基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近些年来,深度学习得到了广泛的关注,已经成为计算机科学机器学习重要的领域和方向,深度学习已经被引入到机器学习中,进而与人工智能这一最初的目标更为接近。深度学习包括学习样本数据在内,是一种表示层次和内在规律。深度学习对于解释声音数据、图像数据、文字数据等帮助很大。使机器可以像人类一样,具有很强的分析学习能力,这便是深度学习的目标。通过深度学习,机器可以对声音、图像以及文字等数据进行有效识别。该文中,笔者就基于卷积神经网络探讨深度学习算法与应用。
推荐文章
基于深度卷积神经网络的图像检索算法研究
图像检索
卷积神经网络
特征提取
深度学习
基于深度卷积神经网络的车标分类
深度学习
神经网络
车标分类
图像识别
基于卷积神经网络的细胞识别
细胞识别
卷积神经网络
深度学习
池化层
利用卷积神经网络改进迭代深度学习算法的图像识别方法研究
深度学习
卷积神经网络(CNN)
自适应
图像识别
层次化迭代
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络探讨深度学习算法与应用
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 深度学习 卷积神经网络 模式识别 算法 应用
年,卷(期) 2015,(5) 所属期刊栏目
研究方向 页码范围 169-170
页数 2页 分类号 TP393
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 靳其兵 北京化工大学信息科学与技术学院 103 805 15.0 23.0
2 程勇 北京化工大学信息科学与技术学院 8 80 6.0 8.0
3 高强 北京化工大学信息科学与技术学院 6 40 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
卷积神经网络
模式识别
算法
应用
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导