Deep Learning算法分析和模型改进

被引：20

作者：

鲁向拥 ^{[1
]}

陈悦 ^{[2
]}

张瞳 ^{[1
]}

葛贝 ^{[3
]}

机构：

[1] 河南大学计算机与信息工程学院

[2] 河南大学国际教育学院

[3] 西北农林科技大学经济管理学院

来源：

计算机光盘软件与应用 | 2014年 / 17卷 / 06期

关键词：

Deep Learning; 多隐含层感知; DropConnect; 算法;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

Deep Learning[1]带来了机器学习的新浪潮,Google Brain项目、微软全自动同声传译系统、百度研究院都是很好的见证。Deep Learning推动了"大数据+深度模型"时代的来临,已经受到学术界和工业界广泛重视,它带来的科技进步将改变人们的生活。本文从Deep Learning多隐含层感知架构、训练和数据处理过程方面,分析Deep Learning算法;并基于Regularization of Neural Networks using DropConnect[2]模型,提出了新的改进方法并描述分析了该新方法。最后提出了改进Deep Learning算法的思维方式并展望了Deep Learning的美好前景。

引用

页码：137 / 138

页数：2