卷积神经网络分类模型在模式识别中的新进展

被引:27
作者
胡正平
陈俊岭
王蒙
赵淑欢
机构
[1] 燕山大学信息科学与工程学院
关键词
深度学习; 卷积神经网络; 无监督特征提取; 模式识别;
D O I
暂无
中图分类号
TP391.4 [模式识别与装置]; TP183 [人工神经网络与计算];
学科分类号
0811 ; 081101 ; 081104 ; 1405 ;
摘要
近年来,深度学习作为机器学习的新兴研究领域越来越受到人们的关注,通过深度学习构建的深度网络在无监督特征提取方面表现出优异性能。卷积神经网络作为一个相对成功的深度学习模型,逐渐成为模式识别领域的研究热点。本文对卷积神经网络及其近年来在模式识别领域取得的新进展进行综述。首先介绍深度学习与卷积神经网络之间的关系以及卷积神经网络的基本原理;其次对卷积神经网络的各种改进算法进行了总结,对卷积神经网络在模式识别领域的新应用进行了概述;最后阐述了目前在卷积神经网络学习理论中亟需解决的主要问题。
引用
收藏
页码:283 / 291
页数:9
相关论文
共 16 条
[1]   局部二进制模式方法综述 [J].
刘丽 ;
谢毓湘 ;
魏迎梅 ;
老松杨 .
中国图象图形学报, 2014, 19 (12) :1696-1720
[2]   图像物体分类与检测算法综述 [J].
黄凯奇 ;
任伟强 ;
谭铁牛 .
计算机学报, 2014, 37 (06) :1225-1240
[3]   深度学习及其在目标和行为识别中的新进展 [J].
郑胤 ;
陈权崎 ;
章毓晋 .
中国图象图形学报 , 2014, (02) :175-184
[4]   深度学习的昨天、今天和明天 [J].
余凯 ;
贾磊 ;
陈雨强 ;
徐伟 .
计算机研究与发展, 2013, 50 (09) :1799-1804
[5]   局部Gist特征匹配核的场景分类 [J].
杨昭 ;
高隽 ;
谢昭 ;
吴克伟 .
中国图象图形学报, 2013, 18 (03) :264-270
[6]   行人检测技术综述 [J].
苏松志 ;
李绍滋 ;
陈淑媛 ;
蔡国榕 ;
吴云东 .
电子学报, 2012, 40 (04) :814-820
[7]   Face Recognition Based on Support Vector Machine and Nearest Neighbor Classifier [J].
Zhang Yankun & Liu Chongqing Institute of Image Processing and Pattern Recognition .
JournalofSystemsEngineeringandElectronics, 2003, (03) :73-76
[8]   人类视觉与计算机视觉的比较 [J].
孔斌 .
自然杂志, 2002, (01) :51-55
[9]   Convolutional Neural Networks for Speech Recognition [J].
Abdel-Hamid, Ossama ;
Mohamed, Abdel-Rahman ;
Jiang, Hui ;
Deng, Li ;
Penn, Gerald ;
Yu, Dong .
IEEE-ACM TRANSACTIONS ON AUDIO SPEECH AND LANGUAGE PROCESSING, 2014, 22 (10) :1533-1545
[10]  
A trainable feature extractor for handwritten digit recognition[J] . Fabien Lauer,Ching Y. Suen,Gérard Bloch.Pattern Recognition . 2006 (6)