深度学习发展综述

被引:40
作者
侯宇青阳
全吉成
王宏伟
机构
[1] 中国人民解放军空军航空大学
关键词
深度学习; 卷积神经网络; 半监督学习; 深度强化学习; 人工智能;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
鉴于深度学习的研究和应用价值及在学术和工业领域中的重要地位,对目前有代表性的主流的深度学习网络模型进行介绍,概述了深度学习当前发展状态,综述了深度学习发展方向。首先介绍了深度学习的历史沿革,根据应用研究对四种主要深度学习网络进行介绍,然后从网络性能提升、网络体系发展、新学习模式探索、深度强化学习、可视化理论研究五个方面总结了目前深度学习的发展状态,最后提出下一步深度学习发展展望。可以看到:深度学习在不同领域都有广泛的应用,而且具有明显的优势,但也存在需要进一步深入探索的问题,如提高深度学习的智能性、提高无标签数据的利用率等。
引用
收藏
页码:5 / 9+111 +111
页数:6
相关论文
共 7 条
[1]   深度强化学习综述:兼论计算机围棋的发展 [J].
赵冬斌 ;
邵坤 ;
朱圆恒 ;
李栋 ;
陈亚冉 ;
王海涛 ;
刘德荣 ;
周彤 ;
王成红 .
控制理论与应用, 2016, 33 (06) :701-717
[2]   深度学习研究进展 [J].
郭丽丽 ;
丁世飞 .
计算机科学, 2015, 42 (05) :28-33
[3]   深度学习研究综述 [J].
尹宝才 ;
王文通 ;
王立春 .
北京工业大学学报, 2015, 41 (01) :48-59
[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]   Where Do Features Come From? [J].
Hinton, Geoffrey .
COGNITIVE SCIENCE, 2014, 38 (06) :1078-1101
[6]  
Extracting and composing robust features with denoising autoencoders .2 Vincent P,Larochelle H,Bengio Y,et al. Proceedings ofthe 25th international conference on Machine learning . 2008
[7]  
Very deep convolutional networks for large-scale image recognition .2 SIMONYAN K,ZISSERMAN A. . 2015