深度学习研究与进展

发布时间：2017-08-10 21:21

  本文关键词：深度学习研究与进展

  更多相关文章： 深度学习 机器学习 深层神经网络 图像识别 语音识别 自然语言处理

【摘要】：深度学习是机器学习领域一个新兴的研究方向,它通过模仿人脑结构,实现对复杂输入数据的高效处理,智能地学习不同的知识,而且能够有效地解决多类复杂的智能问题。近年来,随着深度学习高效学习算法的出现,机器学习界掀起了研究深度学习理论及应用的热潮。实践表明,深度学习是一种高效的特征提取方法,它能够提取数据中更加抽象的特征,实现对数据更本质的刻画,同时深层模型具有更强的建模和推广能力。鉴于深度学习的优点及其广泛应用,对深度学习进行了较为系统的介绍,详细阐述了其产生背景、理论依据、典型的深度学习模型、具有代表性的快速学习算法、最新进展及实践应用,最后探讨了深度学习未来值得研究的方向。
【作者单位】： 中国科学院计算技术研究所智能信息处理重点实验室;中国科学院大学;曲阜师范大学信息科学与工程学院;
【关键词】： 深度学习 机器学习 深层神经网络 图像识别 语音识别 自然语言处理
【基金】：国家“九七三”重点基础研究计划(2013CB329502) 国家自然科学基金(61035003)资助
【分类号】：TP181
【正文快照】： 机器学习研究的主要任务是设计和开发可以智能地根据实际数据进行“学习”的算法,这些算法可以自动地挖掘隐藏在数据中的模式和规律。目前,各种机器学习算法在科研、工业、金融、医药等诸多领域都扮演着非常重要的角色。人工神经网络(ANN)[1,2]作为一种通过模仿生物神经网络建

【参考文献】

中国期刊全文数据库 前1条

1 余凯;贾磊;陈雨强;徐伟;;深度学习的昨天、今天和明天[J];计算机研究与发展;2013年09期

【共引文献】

中国期刊全文数据库 前10条

1 雷成;叶小勇;李小波;;深度学习技术及其在肿瘤分类中的应用[J];智能计算机与应用;2014年06期

2 刘达;方捷新;;电影大数据关键技术与发展策略[J];当代电影;2015年03期

3 高仕博;程咏梅;肖利平;韦海萍;;面向目标检测的稀疏表示方法研究进展[J];电子学报;2015年02期

4 查本波;王汝凉;罗琨;曲宏锋;王磊;;基于GEP的层次有序BP神经网络优化[J];广西师范学院学报(自然科学版);2015年01期

5 胡正平;陈俊岭;王蒙;赵淑欢;;卷积神经网络分类模型在模式识别中的新进展[J];燕山大学学报;2015年04期

6 赵云雪;张珑;郑世杰;;短时谱特征的汉语重音检测方法研究[J];计算机科学与探索;2014年09期

7 袁景凌;缪旭阳;杨敏龙;向尧;;基于神经网络的多核功耗预测策略[J];计算机科学;2014年S1期

8 吕启;窦勇;牛新;徐佳庆;夏飞;;基于DBN模型的遥感图像分类[J];计算机研究与发展;2014年09期

9 祝军;赵杰煜;董振宇;;融合显著信息的层次特征学习图像分类[J];计算机研究与发展;2014年09期

10 李清勇;梁正平;黄雅平;史忠植;;缺陷检测的稀疏表示模型及应用[J];计算机研究与发展;2014年09期

中国博士学位论文全文数据库 前2条

1 骆涛;面向大数据处理的并行计算模型及性能优化[D];中国科学技术大学;2015年

2 张帅毅;基于航空遥感的交通信息监测关键技术研究[D];西南交通大学;2015年

中国硕士学位论文全文数据库 前10条

1 王双玲;基于集成学习和深度学习的应用研究[D];山东大学;2014年

2 林锦波;聚类融合与深度学习在用电负荷模式识别的应用研究[D];华南理工大学;2014年

3 熊中谅;汉语孤立词语音识别系统设计[D];南昌大学;2014年

4 王雅思;深度学习中的自编码器的表达能力研究[D];哈尔滨工业大学;2014年

5 张旭;基于深度神经网络的语音识别研究[D];新疆大学;2014年

6 康岩;深度学习在球磨机料位软测量建模中的应用研究[D];太原理工大学;2014年

7 陈晓宇;声学模型训练系统平台设计和软件实现[D];北京交通大学;2014年

8 吴兴;基于ASAT框架的汉语音节识别系统[D];北京邮电大学;2014年

9 梁静;基于深度学习的语音识别研究[D];北京邮电大学;2014年

10 王俊杰;基于加速推断策略的深度学习算法[D];武汉科技大学;2015年

【相似文献】

中国期刊全文数据库 前10条

1 吴元斌;;单agent强化学习与多agent强化学习比较研究[J];电脑与信息技术;2009年01期

2 汪国华;;CBR模式下个体进行高效率学习的思考[J];数学通讯;2009年06期

3 王星;方滨兴;张宏莉;何慧;赵蕾;;关系分类的学习界限研究[J];软件学报;2013年11期

4 张景祥;王士同;邓赵红;李奕;蒋亦樟;;具有协同约束的共生迁移学习算法研究[J];电子学报;2014年03期

5 孙方平;符秀辉;;复杂环境下机器人的行为学习研究[J];仪器仪表学报;2006年S3期

6 赵凤飞;覃征;;一种多动机强化学习框架[J];计算机研究与发展;2013年02期

7 余志刚,徐华中;变学习因子神经网络自适应控制研究[J];武汉汽车工业大学学报;1997年02期

8 周浦城;洪炳昒;韩学东;郭耸;;基于多Agent的并行Q-学习算法[J];小型微型计算机系统;2006年09期

9 仲秋雁;刘晓东;季少波;;无缝学习中基于情境的内容适应性架构研究[J];信息技术;2013年04期

10 陶剑文;王士同;;多核局部领域适应学习[J];软件学报;2012年09期

中国硕士学位论文全文数据库 前8条

1 焦夏;基于多Agent的移动学习模型研究[D];宁波大学;2013年

2 宋碧慧;基于多Agent协作强化学习的研究[D];湖南大学;2013年

3 郭世硕;多源迁移学习的研究[D];西安电子科技大学;2014年

4 陈春磊;学习设计中学习目标的研究与应用[D];湖南大学;2007年

5 马海鹏;泛在学习环境下一种学习控制模型的研究[D];陕西师范大学;2014年

6 缪志高;半监督排序学习算法研究[D];中国科学技术大学;2014年

7 杜坚;多Agent强化学习及其应用研究[D];西安电子科技大学;2011年

8 李浩瑞;基于组合学习和自训练的生物医学事件抽取研究[D];大连理工大学;2014年

，

本文编号：652749