基于SVM的深度学习分类研究综述

被引：69

作者：

乔风娟

郭红利

李伟

李彬

机构：

[1] 齐鲁工业大学(山东省科学院)数学与统计学院

来源：

齐鲁工业大学学报 | 2018年 / 32卷 / 05期

关键词：

深度学习; 支持向量机(SVM); 卷积神经网络; 混合模型; 分类;

D O I：

10.16442/j.cnki.qlgydxxb.2018.05.008

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

深度学习是机器学习领域一种新的多层神经网络,现已成为国内外学者的研究热点。本文首先论述了深度学习算法的发展历史和研究现状,介绍了几种目前流行的深度学习模型。接着综述了支持向量机的理论基础和深度学习结合支持向量机的混合模型。最后在MNIST和Fashion-MNIST数据集上进行仿真实验,证明了该混合模型的优越性能。

引用

页码：39 / 44

页数：6

共 8 条

[1]

面向自然语言处理的深度学习研究.[J].奚雪峰;周国栋;.自动化学报.2016, 10

[2]

Deep learning in neural networks: An overview.[J].Jürgen Schmidhuber.Neural Networks.2015,

[3]

Unsupervised Learning of Hierarchical Representations with Convolutional Deep Belief Networks [J].

Lee, Honglak ;

Grosse, Roger ;

Ranganath, Rajesh ;

Ng, Andrew Y. .

COMMUNICATIONS OF THE ACM, 2011, 54 (10) :95-103

[4]

Stacked Denoising Autoencoders: Learning Useful Representations in a Deep Network with a Local Denoising Criterion..[J].Pascal Vincent;Hugo Larochelle;Isabelle Lajoie;Yoshua Bengio;Pierre-Antoine Manzagol.Journal of Machine Learning Research.2010,

[5]

A fast learning algorithm for deep belief nets [J].