深度学习:开启大数据时代的钥匙

被引：24

作者：

余滨 ^{[1
,2
,3
]}

李绍滋 ^{[1
,2
]}

徐素霞 ^{[1
,2
]}

纪荣嵘 ^{[1
,2
]}

机构：

[1] 厦门大学信息科学与技术学院

[2] 福建省仿脑智能系统重点实验室

[3] 贵州师范大学数学与计算机科学学院

来源：

工程研究-跨学科视野中的工程 | 2014年 / 6卷 / 03期

关键词：

深度学习; 卷积神经网络; 深度置信网; 波尔兹曼机; 自编码模型;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

随着大数据时代的到来,基于深度学习技术的机器学习方法被用于有效地分析和处理这些数据。本文首先概述了深度学习技术的由来,对比了浅层结构与深度结构模型的差异,分析了深度结构模型在大数据应用中的优势;认为深度学习取得成功的条件是,大规模训练数据集的支撑、先进的硬件平台支持、新的优化技术的提出;基于计算机视觉应用,从有监督特征学习和无监督特征学习两个方面分别介绍了当前深度学习研究的现状和典型的深度结构模型的基本原理和主要应用;针对当前深度学习的发展现状,总结了深度学习研究存在的挑战和未来的研究方向。

引用

页码：233 / 243

页数：11

共 3 条

[1]

Deep, big, simple neural nets for handwritten digit recognition. DC Ciresan,U Meier,LM Gambardella,J Schmidhuber. Neural Computation . 2010

[2]

Learning convolutional feature hierarchies for visual recognition. K. Kavukcuoglu,P. Sermanet,Y.-L. Boureau, et al. Advances in Neural Information Processing Systems （NIPS） . 2010

[3]

Best Practices for Convolutional Neural Networks Applied to Visual Document Analysis. Patrice Y. Simard,Dave Steinkraus,John Platt. International Conference on Document Analysis and Recognition （ICDAR） . 2003

← 1 →