文献类型：期刊文章

作　　者：史加荣[1,2,3] 马媛媛[3]

SHI Jiarong;MAYuanyuan(School of Architecture,Xi’an University of Architecture and Technology,Xi’an 710055,China;State Key Laboratory of Green Building in Western China,Xi’an 710055,China;School of Science,Xi’an University of Architecture and Technology,Xi’an 710055,China)

机构地区：[1]西安建筑科技大学建筑学院,西安710055 [2]省部共建西部绿色建筑国家重点实验室,西安710055 [3]西安建筑科技大学理学院,西安710055

出　　处：《计算机工程与应用》

基　　金：中国博士后科学基金(No.2017M613087);国家自然科学基金青年科学基金(No.61403298)

年　　份：2018

卷　　号：54

期　　号：10

起止页码：1-10

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能的革新。对深度学习的几种典型模型进行研究与对比。首先介绍受限玻尔兹曼机、深度置信网络、自编码器等无监督学习模型,对其结构、原理和优缺点进行了详细探讨。讨论卷积神经网络、循环神经网络和深度堆叠网络等监督学习模型,分别从模型架构和工作原理来评价与分析。对深度学习的典型模型进行对比分析,将深度置信网络和卷积神经网络应用在手写体数字识别任务中,结果证实深度学习比传统的神经网络具有更好的识别性能。最后探讨深度学习未来的发展与挑战。

关 键 词：深度学习  卷积神经网络 深度置信网络  自编码器  循环神经网络 深度堆叠网络  

分 类 号：TP18]