本文關鍵詞：深度學習研究與進展

  更多相關文章： 深度學習 機器學習 深層神經(jīng)網(wǎng)絡 圖像識別 語音識別 自然語言處理

【摘要】：深度學習是機器學習領域一個新興的研究方向,它通過模仿人腦結構,實現(xiàn)對復雜輸入數(shù)據(jù)的高效處理,智能地學習不同的知識,而且能夠有效地解決多類復雜的智能問題。近年來,隨著深度學習高效學習算法的出現(xiàn),機器學習界掀起了研究深度學習理論及應用的熱潮。實踐表明,深度學習是一種高效的特征提取方法,它能夠提取數(shù)據(jù)中更加抽象的特征,實現(xiàn)對數(shù)據(jù)更本質的刻畫,同時深層模型具有更強的建模和推廣能力。鑒于深度學習的優(yōu)點及其廣泛應用,對深度學習進行了較為系統(tǒng)的介紹,詳細闡述了其產(chǎn)生背景、理論依據(jù)、典型的深度學習模型、具有代表性的快速學習算法、最新進展及實踐應用,最后探討了深度學習未來值得研究的方向。
【作者單位】： 中國科學院計算技術研究所智能信息處理重點實驗室;中國科學院大學;曲阜師范大學信息科學與工程學院;
【關鍵詞】： 深度學習 機器學習 深層神經(jīng)網(wǎng)絡 圖像識別 語音識別 自然語言處理
【基金】：國家“九七三”重點基礎研究計劃(2013CB329502) 國家自然科學基金(61035003)資助
【分類號】：TP181
【正文快照】： 機器學習研究的主要任務是設計和開發(fā)可以智能地根據(jù)實際數(shù)據(jù)進行“學習”的算法,這些算法可以自動地挖掘隱藏在數(shù)據(jù)中的模式和規(guī)律。目前,各種機器學習算法在科研、工業(yè)、金融、醫(yī)藥等諸多領域都扮演著非常重要的角色。人工神經(jīng)網(wǎng)絡(ANN)[1,2]作為一種通過模仿生物神經(jīng)網(wǎng)絡建

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 余凱;賈磊;陳雨強;徐偉;;深度學習的昨天、今天和明天[J];計算機研究與發(fā)展;2013年09期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 雷成;葉小勇;李小波;;深度學習技術及其在腫瘤分類中的應用[J];智能計算機與應用;2014年06期

2 劉達;方捷新;;電影大數(shù)據(jù)關鍵技術與發(fā)展策略[J];當代電影;2015年03期

3 高仕博;程詠梅;肖利平;韋海萍;;面向目標檢測的稀疏表示方法研究進展[J];電子學報;2015年02期

4 查本波;王汝涼;羅琨;曲宏鋒;王磊;;基于GEP的層次有序BP神經(jīng)網(wǎng)絡優(yōu)化[J];廣西師范學院學報(自然科學版);2015年01期

5 胡正平;陳俊嶺;王蒙;趙淑歡;;卷積神經(jīng)網(wǎng)絡分類模型在模式識別中的新進展[J];燕山大學學報;2015年04期

6 趙云雪;張瓏;鄭世杰;;短時譜特征的漢語重音檢測方法研究[J];計算機科學與探索;2014年09期

7 袁景凌;繆旭陽;楊敏龍;向堯;;基于神經(jīng)網(wǎng)絡的多核功耗預測策略[J];計算機科學;2014年S1期

8 呂啟;竇勇;牛新;徐佳慶;夏飛;;基于DBN模型的遙感圖像分類[J];計算機研究與發(fā)展;2014年09期

9 祝軍;趙杰煜;董振宇;;融合顯著信息的層次特征學習圖像分類[J];計算機研究與發(fā)展;2014年09期

10 李清勇;梁正平;黃雅平;史忠植;;缺陷檢測的稀疏表示模型及應用[J];計算機研究與發(fā)展;2014年09期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 駱濤;面向大數(shù)據(jù)處理的并行計算模型及性能優(yōu)化[D];中國科學技術大學;2015年

2 張帥毅;基于航空遙感的交通信息監(jiān)測關鍵技術研究[D];西南交通大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 王雙玲;基于集成學習和深度學習的應用研究[D];山東大學;2014年

2 林錦波;聚類融合與深度學習在用電負荷模式識別的應用研究[D];華南理工大學;2014年

3 熊中諒;漢語孤立詞語音識別系統(tǒng)設計[D];南昌大學;2014年

4 王雅思;深度學習中的自編碼器的表達能力研究[D];哈爾濱工業(yè)大學;2014年

5 張旭;基于深度神經(jīng)網(wǎng)絡的語音識別研究[D];新疆大學;2014年

6 康巖;深度學習在球磨機料位軟測量建模中的應用研究[D];太原理工大學;2014年

7 陳曉宇;聲學模型訓練系統(tǒng)平臺設計和軟件實現(xiàn)[D];北京交通大學;2014年

8 吳興;基于ASAT框架的漢語音節(jié)識別系統(tǒng)[D];北京郵電大學;2014年

9 梁靜;基于深度學習的語音識別研究[D];北京郵電大學;2014年

10 王俊杰;基于加速推斷策略的深度學習算法[D];武漢科技大學;2015年

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳元斌;;單agent強化學習與多agent強化學習比較研究[J];電腦與信息技術;2009年01期

2 汪國華;;CBR模式下個體進行高效率學習的思考[J];數(shù)學通訊;2009年06期

3 王星;方濱興;張宏莉;何慧;趙蕾;;關系分類的學習界限研究[J];軟件學報;2013年11期

4 張景祥;王士同;鄧趙紅;李奕;蔣亦樟;;具有協(xié)同約束的共生遷移學習算法研究[J];電子學報;2014年03期

5 孫方平;符秀輝;;復雜環(huán)境下機器人的行為學習研究[J];儀器儀表學報;2006年S3期

6 趙鳳飛;覃征;;一種多動機強化學習框架[J];計算機研究與發(fā)展;2013年02期

7 余志剛,徐華中;變學習因子神經(jīng)網(wǎng)絡自適應控制研究[J];武漢汽車工業(yè)大學學報;1997年02期

8 周浦城;洪炳昒;韓學東;郭聳;;基于多Agent的并行Q-學習算法[J];小型微型計算機系統(tǒng);2006年09期

9 仲秋雁;劉曉東;季少波;;無縫學習中基于情境的內(nèi)容適應性架構研究[J];信息技術;2013年04期

10 陶劍文;王士同;;多核局部領域適應學習[J];軟件學報;2012年09期

中國碩士學位論文全文數(shù)據(jù)庫 前8條

1 焦夏;基于多Agent的移動學習模型研究[D];寧波大學;2013年

2 宋碧慧;基于多Agent協(xié)作強化學習的研究[D];湖南大學;2013年

3 郭世碩;多源遷移學習的研究[D];西安電子科技大學;2014年

4 陳春磊;學習設計中學習目標的研究與應用[D];湖南大學;2007年

5 馬海鵬;泛在學習環(huán)境下一種學習控制模型的研究[D];陜西師范大學;2014年

6 繆志高;半監(jiān)督排序學習算法研究[D];中國科學技術大學;2014年

7 杜堅;多Agent強化學習及其應用研究[D];西安電子科技大學;2011年

8 李浩瑞;基于組合學習和自訓練的生物醫(yī)學事件抽取研究[D];大連理工大學;2014年

，

本文編號：652749