文献类型：期刊文章

作　　者：王功明[1,2] 乔俊飞[1,2] 关丽娜[1] 贾庆山[3]

WANG Gong-Ming;QIAO Jun-Fei;GUAN Li-Na;JIA Qing-Shan(Faculty of Information Technology,Beijing University of Technology,Beijing 100124;Beijing Key Laboratory of Computational Intelligence and Intelligent System,Beijing 100124;Center for Intelligent and Networked Systems,De-partment of Automation,Tsinghua University,Beijing 100084)

机构地区：[1]北京工业大学信息学部,北京100124 [2]计算智能与智能系统北京市重点实验室,北京100124 [3]清华大学自动化系智能与网络化系统研究中心,北京100084

出　　处：《自动化学报》

基　　金：国家自然科学基金(61533002)资助。

年　　份：2021

卷　　号：47

期　　号：1

起止页码：35-49

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：深度信念网络(Deep belief network,DBN)是一种基于深度学习的生成模型,克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题,近几年来已成为深度学习领域的研究热点之一.基于分阶段学习的思想,人们设计了不同结构和学习算法的深度信念网络模型.本文在回顾总结深度信念网络的研究现状基础上,给出了其发展趋势.首先,给出深度信念网络的基本模型结构以及其标准的学习框架,并分析了深度信念网络与其他深度结构的关系与区别;其次,回顾总结深度信念网络研究现状,基于标准模型分析不同深度信念网络结构的性能;第三,给出深度信念网络的不同无监督预训练和有监督调优算法,并分析其性能;最后,给出深度信念网络今后的发展趋势以及未来值得研究的方向.

关 键 词：深度信念网络  深度学习  无监督预训练  有监督调优  结构设计  

分 类 号：TP18]