深度信念网络研究现状与展望

• 作者: 王功明 乔俊飞 关丽娜 贾庆山
• 来源期刊: 自动化学报
• 关键词: 深度信念网络 深度学习 无监督预训练 有监督调优 结构设计
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 综述
• 页码范围: 35-49
• 页数: 15页
• 语种: 中文
• DOI: 10.16383/j.aas.c190102

摘要

深度信念网络(Deep belief network,DBN)是一种基于深度学习的生成模型,克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题,近几年来己成为深度学习领域的研究热点之一.基于分阶段学习的思想,人们设计了不同结构和学习算法的深度信念网络模型.本文在回顾总结深度信念网络的研究现状基础上,给出了其发展趋势.首先,给出深度信念网络的基本模型结构以及其标准的学习框架,并分析了深度信念网络与其他深度结构的关系与区别;其次,回顾总结深度信念网络研究现状,基于标准模型分析不同深度信念网络结构的性能;第三,给出深度信念网络的不同无监督预训练和有监督调优算法,并分析其性能;最后,给出深度信念网络今后的发展趋势以及未来值得研究的方向.