近年來,深度學(xué)習(xí)成為機器學(xué)習(xí)研究中的一個新的發(fā)展熱點,通過建立與人腦相似的神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)序列進行學(xué)習(xí),在數(shù)據(jù)的低層特征基礎(chǔ)上抽象出高層屬性類別或特征,可以很好解釋和模擬復(fù)雜數(shù)據(jù),在大數(shù)據(jù)時代盡顯其優(yōu)勢�；谒臄�(shù)據(jù)的大量性和水文原理的復(fù)雜性,掌握深度學(xué)習(xí)技術(shù)可對水文數(shù)據(jù)進行有效模擬,對水文工作起到指導(dǎo)作用。 

【文章來源】：河南水利與南水北調(diào). 2020,49(04)

【文章頁數(shù)】：2 頁

【文章目錄】：
1 深度學(xué)習(xí)簡介
2 深度學(xué)習(xí)在水文中的應(yīng)用
    2.1 水文預(yù)報
    2.2 水庫調(diào)度
    2.3 遙感圖像分類
3 未來展望
    3.1 不足之處
        3.1.1 數(shù)據(jù)稀缺性問題
        3.1.2 原理可解釋性問題
        3.1.3 參數(shù)選擇問題
    3.2 結(jié)論與展望


【參考文獻】：
期刊論文
[1]深度學(xué)習(xí)算法研究進展[J]. 田啟川,王滿麗.  計算機工程與應(yīng)用. 2019(22)
[2]深度學(xué)習(xí)技術(shù)應(yīng)用現(xiàn)狀分析與發(fā)展趨勢研究[J]. 羅榮,王亮,肖玉杰.  計算機教育. 2019(10)
[3]基于深度學(xué)習(xí)的無人機遙感影像水體識別[J]. 杜敬.  江西科學(xué). 2017(01)



本文編號：3489754