［1］ Ji Xuewen.Study on the intelligent construction of new mines［J］.China Mine Engineering，2015，44（2）：60-64.［吉学文.新矿山智能化建设问题探讨［J］.中国矿山工程，2015，44（2）：60-64.］
［2］ Hu Tian，Wang Xingang.Analysis and design of safety helmet recognition system based on wavelet transform and neural network［J］.Software Guide，2006（23）：37-39.［胡恬，王新刚.基于小波变换和神经网络的安全帽识别系统分析与设计［J］.软件导刊，2006（23）：37-39.］
［3］ Liu Yunbo，Huang Hua.Research on monitoring of workers’helmet wearing at the construction site［J］.Electronic Science and Techndogy，2015，28（4）：69-72.［刘云波，黄华.施工现场安全帽佩戴情况监控技术研究［J］.电子科技，2015，28（4）：69-72.］
［4］  Yu Kai，Jia Lei，Chen Yuqiang，et al.Deep learning：Yester- day，today and tomorrow［J］.Journal of Computer Research and Development，2013，50（9）：1799-1804.余凯，贾磊，陈雨强，等.深度学习的昨天、今天和明天［J］.计算机研究与发展，2013，50（9）：1799-1804.
［5］ Hinton G E，Osindero S，Teh Y W.A fast learning algo- rithm for deep belief nets［J］.Neural Computer，2006，18（7）： 1527-1554.
［6］ Li Zhenhua，Xu Yanchun，Li Longfei，et al. Forecast of the height of water flowing fractured zone based on BP neural networks［J］.Journal of Mining & Safety Engineering，2015， 32（6）：905-910.［李振华，徐延春，李龙飞，等.基于BP神经网络的导水裂隙带高度预测［J］.采矿与安全工程学报，2015，32（6）：905-910.］
［7］ Li Huimin，Li Zhenlei，He Rongjun，et al.Rock burst risk eva- luation based on particle swarm optimization and BP neural network［J］.Journal of Mining & Safety Engineering，2014，31（2）：203-207，231.［李慧民，李振雷，何荣军，等.基于粒子群算法和BP 神经网络的冲击危险性评估［J］.采矿与安全工程学报，2014，31（2）：203-207，231.］
［8］ Wang Qian，Zhang Haixian.The depth of vehicle recognition based on neural network［J］.Modern Computer，2015（35）：61-64.［王茜，张海仙.基于深度神经网络的汽车车型识别［J］.现代计算机（专业版），2015（35）：61-64.］
［9］ Fan Heng，Xu Jun，Deng Yong，et al.Behavior recognition of human based on deep learning［J］.Geomatics and Information Science of Wuhan University，2016，4（4）：492-497.［樊恒，徐俊，邓勇，等.基于深度学习的人体行为识别［J］.武汉大学学报（信息科学版），2016，4（4）：492-497.］
［10］ Jia Y Q，Shelhamer E，Donahue F，et al.Caffe：Convolutional architecture for fast feature embedding［C］//Proceedings of the 22nd ACM International Conference on Multimedia，2014：675-678.
［11］ Tompson J，Jain A，Lecun Y，et al.Joint training of a convolutional network and a graphical model for human pose estimation［J］.Eprint Arxiv，2014：1799-1807.
［12］  Fathi A，Mori G.Action recognition by learning mid-level motion features［C］//IEEE International Conference on Com- puter Vision，2009：1-8.
［13］ Krizhevsky A，Sutskever I，Hinton G E.ImageNet classi- fication with deep convolutional neural networks［C］// Advances in Neural Information Processing Systems，2012， 25：1-8.
［14］ Chen Xianchang.Research and Application of Deep Learning Algorithm Based on Convolutional Neural Network［D］.Hangzhou：Zhejiang Gongshang University，2013.［陈先昌.基于卷积神经网络的深度学习算法与应用研究［D］.杭州：浙江工商大学，2013.］
［15］ He K，Zhang X，Ren S，et al.Scalable，spatial pyramid pooling in deep convolutional network for visual recognition［J］.IEEE Transactions on Pattern Analysis & Machine Intelligence，2014，37（9）：1904.
［16］ Chen C C，Aggarwal J K.An adaptive background model initialization algorithm with object moving at different depths［C］//IEEE International Conference on Image Proces- sing，2006：1-7.
［17］ Assael Y M，Wahlstrom N，Schon T B，et al.Data-efficient learning of feedback policies from image pixels using deep dynamical models［J］.Computer Science，2015，48（28）：1059-1064.
［18］ LeCun Y，Bengio Y，Hinton G.Deep learning［J］.Nature，2015，521：436-444.
［19］ Bengio Y.Deep generative stochastic networks trainable by backprop［J］.Department of Computer Science，Cornell Uni- versity，2013：5-7.
［20］ LeCun Y，Bottou L，Bengio Y，et al.Gradient-based learning applied to document recognization［J］.Proceedings of the IEEE，1998，86（11）：2278-2324.
［21］ Lian Xiaoyan，Deng Fang.CAPTCHA recognition based on image recognition and neural networks［J］.Journal of Cen- tral South University（Science and Technology），2011，42（S）：49-52.［连晓岩，邓方.基于图像识别和神经网络的验证码识别［J］.中南大学学报（自然科学版），2011，42（增）：49-52.］
［22］ LeCun Y.Generalization and network design strategy［R］.North-Holland：Connections in Perspective，1989：1-6.
［23］  LeCun  Y，Bengio Y，Szegedy G H，et al.Going deeper with convolution［J］.Preprint arxiv，1409.4842，2014：5.
［24］ Nair V，Hinton G E.Rectified linear units improve restricted boltzmann machines［J］.Toronto：University of Toronto，2010： 3-6.
［25］ Robinson A E，Hammon P S，De Sa V R.Explaining brightness illusions using spatial filtering and local response normalization［J］.Vision Research，2007，47（12）：1631-1644.
［26］ Srivastava N，Hinton G，Krizhevsky A，et al.Dropout：A simple way to prevent neural networks from overfitting［J］.The Journal of Mac