本文關(guān)鍵詞：深度學(xué)習(xí)方法研究新進(jìn)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(jī) 堆疊自動(dòng)編碼器

【摘要】：本文依據(jù)模型結(jié)構(gòu)對(duì)深度學(xué)習(xí)進(jìn)行了歸納和總結(jié),描述了不同模型的結(jié)構(gòu)和特點(diǎn)。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(jī)和堆疊自動(dòng)編碼器,并對(duì)近3年深度學(xué)習(xí)在語(yǔ)音處理、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理以及醫(yī)療應(yīng)用等方面的應(yīng)用現(xiàn)狀進(jìn)行介紹,最后對(duì)現(xiàn)有深度學(xué)習(xí)模型進(jìn)行了總結(jié),并且討論了未來(lái)所面臨的挑戰(zhàn)。
【作者單位】： 長(zhǎng)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(jī) 堆疊自動(dòng)編碼器
【基金】：吉林省科技廳青年科研基金項(xiàng)目(20140520065JH,20140520076JH) 長(zhǎng)春工業(yè)大學(xué)科學(xué)研究發(fā)展基金自然科學(xué)計(jì)劃項(xiàng)目(2010XN07)
【分類號(hào)】：TP181
【正文快照】： 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)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(guò)組合低層次的特征形成更加抽象的高層表示,以達(dá)到獲得最佳特征的目的[1]。它主要通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)模擬人的大腦的學(xué)習(xí)過(guò)程,希望實(shí)現(xiàn)對(duì)現(xiàn)實(shí)對(duì)象或數(shù)據(jù)(圖像、語(yǔ)音及文本等)的抽象表達(dá),整合特

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

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

2 ;[J];;年期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 萬(wàn)程;自適應(yīng)基數(shù)受限玻爾茲曼機(jī)[D];清華大學(xué);2015年

2 王海麟;通過(guò)信息幾何方法挖掘玻爾茲曼機(jī)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(hào)：717920