深度学习的研究进展与发展

• 作者: 史加荣 马媛媛
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 热点与综述
• 页码范围: 1-9,10
• 页数: 10页
• 分类号: TP18
• 字数: 8594字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1712-0418

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史加荣	西安建筑科技大学建筑学院	28	300	8.0	17.0
10	马媛媛	西安建筑科技大学理学院	2	44	2.0	2.0