大数据下的深度学习研究

发布时间：2018-06-25 08:41

  本文选题：大数据 + 深度学习　； 参考：《高技术通讯》2017年01期

【摘要】：给出了大数据和机器学习的子领域——深度学习的概念,阐述了深度学习对获取大数据中的有价值信息的重要作用。描述了大数据下利用图像处理单元(GPU)进行并行运算的深度学习框架,对其中的大规模卷积神经网络(CNN)、大规模深度置信网络(DBN)和大规模递归神经网络(RNN)进行了重点论述。分析了大数据的容量、多样性、速率特征,介绍了大规模数据、多样性数据、高速率数据下的深度学习方法。展望了大数据背景下深度学习的发展前景,指出在不远的将来,大数据与深度学习融合的技术将会在计算机视觉、机器智能等多个领域获得突破性进展。
[Abstract]:In this paper, the concept of big data and the sub-domain of machine learning, depth learning, is given, and the important role of depth learning in obtaining valuable information in big data is expounded. In this paper, the depth learning framework of parallel operation using image processing unit (GPU) under big data is described. The large-scale convolution neural network (CNN), large-scale depth confidence network (DBN) and large-scale recurrent neural network (RNN) are discussed in detail. In this paper, the capacity, diversity and rate characteristics of big data are analyzed, and the deep learning methods based on large scale data, diversity data and high rate data are introduced. This paper looks forward to the development prospect of deep learning under the background of big data, and points out that in the near future, the fusion technology of big data and deep learning will make a breakthrough in many fields such as computer vision, machine intelligence and so on.
【作者单位】： 燕山大学信息科学与工程学院;
【基金】：国家自然科学基金(61273019,61473339) 中国博士后科学基金(2014M561202) 河北省博士后专项(B2014010005) 首批“河北省青年拔尖人才”([1013]17)资助项目
【分类号】：TP18;TP311.13

【相似文献】

相关期刊论文 前6条

1 宣森炎;龚小谨;刘济林;;基于联合卷积和递归神经网络的交通标志识别[J];传感器与微系统;2014年08期

2 覃光华,丁晶;带偏差单元的递归神经网络及其运用[J];人民长江;2002年01期

3 贺志强;冯寅;;长的短时记忆(LSTM)在五声调式和声的应用[J];福建电脑;2007年04期

4 刘章;陈小平;;联合无监督词聚类的递归神经网络语言模型[J];计算机系统应用;2014年05期

5 陈睿;黄曙光;叶春明;张亮;;基于二维RNN的CAPTCHA识别[J];小型微型计算机系统;2014年03期

6 ;[J];;年期

相关会议论文 前1条

1 苏彩红;曾永发;张志飞;吴菁;;一种突触后抑制递归神经网络结构及其在模式识别中的应用[A];第二十六届中国控制会议论文集[C];2007年

相关博士学位论文 前1条

1 王扬帆;基于偏微分方程的时滞递归神经网络的动力分析与多尺度图像处理研究[D];中国海洋大学;2011年

相关硕士学位论文 前8条

1 李克强;基于Spark的大规模RNNLM系统[D];江苏大学;2016年

2 梁军;基于深度学习的文本特征表示及分类应用[D];郑州大学;2016年

3 王瑞刚;基于递归神经网络的英文手写输入法的设计与实现[D];哈尔滨工业大学;2016年

4 金留可;基于递归神经网络的生物医学命名实体识别[D];大连理工大学;2016年

5 孙超红;基于递归神经网络的微博情感分类研究[D];浙江理工大学;2017年

6 卫晓欣;基于长短型记忆递归神经网络的英文手写识别[D];华南理工大学;2014年

7 崔志超;基于产品特征的中文评论情感分析系统设计与实现[D];河北科技大学;2015年

8 商俊蓓;基于双向长短时记忆递归神经网络的联机手写数字公式字符识别[D];华南理工大学;2015年

，

本文编号：2065339