發(fā)布時間：2017-08-22 07:42

  本文關(guān)鍵詞：深度學(xué)習(xí)方法研究新進展

  更多相關(guān)文章： 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 深度信念網(wǎng)絡(luò) 深度玻爾茲曼機 堆疊自動編碼器

【摘要】：本文依據(jù)模型結(jié)構(gòu)對深度學(xué)習(xí)進行了歸納和總結(jié),描述了不同模型的結(jié)構(gòu)和特點。首先介紹了深度學(xué)習(xí)的概念及意義,然后介紹了4種典型模型:卷積神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)、深度玻爾茲曼機和堆疊自動編碼器,并對近3年深度學(xué)習(xí)在語音處理、計算機視覺、自然語言處理以及醫(yī)療應(yīng)用等方面的應(yīng)用現(xiàn)狀進行介紹,最后對現(xiàn)有深度學(xué)習(xí)模型進行了總結(jié),并且討論了未來所面臨的挑戰(zhàn)。
【作者單位】： 長春工業(yè)大學(xué)電氣與電子工程學(xué)院;
【關(guān)鍵詞】： 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 深度信念網(wǎng)絡(luò) 深度玻爾茲曼機 堆疊自動編碼器
【基金】：吉林省科技廳青年科研基金項目(20140520065JH,20140520076JH) 長春工業(yè)大學(xué)科學(xué)研究發(fā)展基金自然科學(xué)計劃項目(2010XN07)
【分類號】：TP181
【正文快照】： 深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支,屬于人工智能的新領(lǐng)域。深度學(xué)習(xí)的本質(zhì)是特征提取,即通過組合低層次的特征形成更加抽象的高層表示,以達到獲得最佳特征的目的[1]。它主要通過神經(jīng)網(wǎng)絡(luò)來模擬人的大腦的學(xué)習(xí)過程,希望實現(xiàn)對現(xiàn)實對象或數(shù)據(jù)(圖像、語音及文本等)的抽象表達,整合特

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 劉來福，，唐志宇，匡錦瑜;向量玻爾茲曼機[J];北京師范大學(xué)學(xué)報(自然科學(xué)版);1996年04期

2 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 萬程;自適應(yīng)基數(shù)受限玻爾茲曼機[D];清華大學(xué);2015年

2 王海麟;通過信息幾何方法挖掘玻爾茲曼機的不變性[D];天津大學(xué);2014年

3 李娟;基于RBM的小分子活性及選擇性研究[D];蘭州大學(xué);2015年

本文編號：717920