卷积神经网络综述

被引：161

作者：

刘健

袁谦

吴广

喻晓

机构：

[1] 浙江省电子信息产品检验所

来源：

计算机时代 | 2018年 / 11期

关键词：

深度学习; 卷积神经网络; 网络结构; 训练方法;

D O I：

10.16644/j.cnki.cn33-1094/tp.2018.11.005

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

卷积神经网络作为深度学习的一种经典而广泛应用的结构,克服了过去人工智能中被认为难以解决的一些问题。卷积神经网络的局部连接、权值共享及下采样操作等特性使之可以有效地降低网络的复杂度,减少训练参数的数目,使模型对平移、扭曲、缩放具有一定程度的不变性,并具有强鲁棒性和容错能力,也易于训练和优化。文章介绍了卷积神经网络的训练方法,开源工具,及在图像分类领域中的一些应用,给出了卷积神经待解决的问题及展望。

引用

页码：19 / 23

页数：5

共 9 条

[1]

Going deeper with convolutions..Szegedy C;Liu W;.Competer Vision and Pattern Recognition.2015,

[2]

Representation Learning: A Review and New Perspectives [J].

Bengio, Yoshua ;

Courville, Aaron ;

Vincent, Pascal .

IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2013, 35 (08) :1798-1828

[3]

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,

[4]

Learning Deep Architectures for AI [J].