第4讲深度学习应用中的常见模型

被引：10

作者：

乔林 ^{[1
]}

张雄伟 ^{[2
]}

史海宁 ^{[3
]}

贾冲 ^{[2
]}

机构：

[1] 解放军理工大学指挥信息系统学院研究生队

[2] 解放军理工大学指挥信息系统学院

[3] 中石化管道储运有限公司

来源：

军事通信技术 | 2016年 / 37卷 / 01期

关键词：

神经网络; 卷积神经网络; 递归神经网络;

D O I：

10.16464/j.cnki.cn32-1289.2016.01.020

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

近年来,由于在特征提取方面表现出的优异性能,深度学习越来越受到人们的关注。深度学习在语音识别、自然语言处理、计算机视觉、图像与视频分析和多媒体等诸多领域都取得了巨大成功。文章首先介绍了深度学习应用中常见的网络模型,然后分别详细阐述了深度学习在语音和图像上的两种常见模型:深层卷积网络模型和递归神经网络模型。概述了两种模型的网络结构、原理和训练方法,最后讨论了深度学习网络模型中存在的问题。

引用

页码：98 / 104

页数：7

共 9 条

[1] 玻尔兹曼机研究进展 [J].

刘建伟 ;

刘媛 ;

罗雄麟 .

计算机研究与发展, 2014, 51 (01) :1-16

[2] 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

[3]

机器学习[M]. 机械工业出版社 , (美)TomM.Mitchell著, 2003

[4]

模式分类[M]. 机械工业出版社 , (美)RichardO.Duda等著, 2003

[5]

A quantitative theory of immediate visual recognition[J] . Thomas Serre,Gabriel Kreiman,Minjoon Kouh,Charles Cadieu,Ulf Knoblich,Tomaso Poggio. Progress in Brain Research . 2007

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

Hinton, Geoffrey E. ;

Osindero, Simon ;

Teh, Yee-Whye .

NEURAL COMPUTATION, 2006, 18 (07) :1527-1554

[7] Backpropagation Applied to Handwritten Zip Code Recognition [J].

LeCun, Y. ;

Boser, B. ;

Denker, J. S. ;

Henderson, D. ;

Howard, R. E. ;

Hubbard, W. ;

Jackel, L. D. .

NEURAL COMPUTATION, 1989, 1 (04) :541-551

[8]

Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position[J] . Kunihiko Fukushima. Biological Cybernetics . 1980 (4)

[9]

Applying convolutional neuralnetworks concepts to hybrid NN-HMM model for speech recognition .2 Abdel-Hamid O,Mohamed A.-r,Jiang H. et al. InternationalConference on Acoustics, Speech and Signal Processing (ICASSP) . 2012

← 1 →

第4讲 深度学习应用中的常见模型

第4讲深度学习应用中的常见模型