目前人工智能浪潮席卷全球,開始在各個(gè)方面改變?nèi)藗兊纳�。深度學(xué)習(xí)作為人工智能中比較重要的一項(xiàng)技術(shù),發(fā)揮著重要的作用。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)是深度學(xué)習(xí)最關(guān)鍵的基石,針對(duì)不同的應(yīng)用場(chǎng)景設(shè)計(jì)不同的網(wǎng)絡(luò)結(jié)構(gòu),并通過反向傳播算法調(diào)整網(wǎng)絡(luò)的參數(shù)是目前通用的方法。然而,設(shè)計(jì)一個(gè)合適的網(wǎng)絡(luò)結(jié)構(gòu)需要算法工程師們耗費(fèi)大量的心血,通過大量的實(shí)驗(yàn)進(jìn)行驗(yàn)證,這是一個(gè)耗時(shí)耗力的過程。通過人工智能技術(shù)設(shè)計(jì)深度學(xué)習(xí)網(wǎng)絡(luò)并調(diào)整參數(shù)是解決這一問題的有效方案。本文中介紹了一種通過深度強(qiáng)化學(xué)習(xí)自動(dòng)搜索網(wǎng)絡(luò)結(jié)構(gòu),并調(diào)整其參數(shù)的方案。這種方法可以有效地減少人工的消耗,節(jié)約了大量的人力物力,是一種真正智能的方案。 

【文章來源】：電子制作. 2019,(24)

【文章頁數(shù)】：3 頁

【文章目錄】：
0 引言
1 模型
    1.1 強(qiáng)化學(xué)習(xí)
    1.2 RNN
    1.3 應(yīng)用過程
2 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于強(qiáng)化學(xué)習(xí)的自動(dòng)化神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[J]. 謝浩,蔣育康,焦?jié)櫇?  信息技術(shù)與信息化. 2018(10)
[2]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時(shí)間序列預(yù)測(cè)[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學(xué)學(xué)報(bào). 2018(04)
[3]改進(jìn)的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法[J]. 肖進(jìn)勝,劉恩雨,朱力,雷俊鋒.  光學(xué)學(xué)報(bào). 2017(03)
[4]圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動(dòng)化學(xué)報(bào). 2016(09)
[5]深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺中的應(yīng)用研究綜述[J]. 盧宏濤,張秦川.  數(shù)據(jù)采集與處理. 2016(01)
[6]基于神經(jīng)網(wǎng)絡(luò)的強(qiáng)化學(xué)習(xí)研究概述[J]. 尤樹華,周誼成,王輝.  電腦知識(shí)與技術(shù). 2012(28)
[7]基于循環(huán)神經(jīng)網(wǎng)絡(luò)的語音識(shí)別模型[J]. 朱小燕,王昱,徐偉.  計(jì)算機(jī)學(xué)報(bào). 2001(02)
[8]強(qiáng)化學(xué)習(xí)理論、算法及應(yīng)用[J]. 張汝波,顧國(guó)昌,劉照德,王醒策.  控制理論與應(yīng)用. 2000(05)
[9]一種基于Agent團(tuán)隊(duì)的強(qiáng)化學(xué)習(xí)模型與應(yīng)用研究[J]. 蔡慶生,張波.  計(jì)算機(jī)研究與發(fā)展. 2000(09)
[10]RNN神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究[J]. 朱群雄,孫鋒.  北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版). 1998(01)



本文編號(hào)：3193872