深度学习研究和进展
2017-01-27 11:22
253 查看
1.研究背景和理论基础
1958年,Rosenblatt提出感知机模型(ANN)1986年,Hinton提出多隐层构造深层神经网络(MNN)
2006年,Hinton提出深度置信网络(DBN),成为深度学习的主要框架
然后,此算法的高效性由Bengio实验验证成功
2.深度学习的3类模型
2.1 生成深层模型以DBN为代表详细介绍。DBN模型是一种深层混合网络,以RBN为基本单元串联堆叠而成。DBN的训练是通过先逐层训练RBN,在使用传统学习算法进行微调。
2.2 判别深层模型
判别深层网络包括深层堆叠网络,卷积神经网络等。以CNN为代表介绍。
1962年,Hubel研究猫视觉原理,提出感受野的概念,1984年,Fukushima基于感受野提出神经感知机,这是第一个成功的CNN模型。
2.3 混合深层模型
略
3.深度学习研究的新进展
4.深度学习的实际应用及面对的挑战
应用:语音识别,图像识别,NLP(自然语言处理)挑战:理论,建模,工程上的挑战
相关文章推荐
- 深度学习在自然语言处理研究上的进展
- [王晓刚]深度学习在图像识别中的研究进展与展望
- 2017年深度学习重大研究进展全解读
- 从Pix2Code到CycleGAN:2017年深度学习重大研究进展全解读
- 深度丨2017年深度学习重大研究进展全解读
- 深度学习在图像识别中的研究进展与展望
- AI 三大教父齐聚深度学习峰会,讨论尖端研究进展
- 从Pix2Code到CycleGAN:2017年深度学习重大研究进展全解读
- 【神经网络与深度学习】生成式对抗网络GAN研究进展(五)——Deep Convolutional Generative Adversarial Nerworks,DCGAN
- 2017年深度学习重大研究进展全解读
- 深度学习在自然语言处理研究上的进展
- 深度学习在图像识别中的研究进展与展望
- 深度学习在图像识别中的研究进展与展望----王晓刚
- 【深度学习】从Pix2Code到CycleGAN:2017年深度学习重大研究进展全解读
- [王晓刚]深度学习在图像识别中的研究进展与展望
- [王晓刚]深度学习在图像识别中的研究进展与展望(转发)
- [王晓刚]深度学习在图像识别中的研究进展与展望
- 深度学习在2016年都有哪些主要研究进展?(附开源平台地址)| 盘点
- 【王晓刚】深度学习在图像识别中的研究进展与展望
- 【王晓刚】深度学习在图像识别中的研究进展与展望