所属单位：

理学院

发表刊物：

计算机工程与应用

关键字：

深度学习;卷积神经网络;深度置信网络;自编码器;循环神经网络;深度堆叠网络;

摘要：

深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能的革新。对深度学习的几种典型模型进行研究与对比。首先介绍受限玻尔兹曼机、深度置信网络、自编码器等无监督学习模型,对其结构、原理和优缺点进行了详细探讨。讨论卷积神经网络、循环神经网络和深度堆叠网络等监督学习模型,分别从模型架构和工作原理来评价与分析。对深度学习的典型模型进行对比分析,将深度置信网络和卷积神经网络应用在手写体数字识别任务中,结果证实深度学习比传统的神经网络具有更好的识别性能。最后探讨深度学习未来的发展与挑战。

第一作者：

史加荣

论文类型：

期刊论文

通讯作者：

马媛媛

学科门类：

理学

卷号：

中文核心期刊:1-10,10

ISSN号：

1002-8331

是否译文：

否

发表时间：

2018-05-15