- 1、本文档共23页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第40 卷 计 算 机 学 报 Vol. 40
2017 年 论文在线出版号 No.7 月 CHINESE JOURNAL OF COMPUTERS Online Publishing No.7
卷积神经网络研究综述
周飞燕1),2) 金林鹏1),2) 董军1)
1)( 中国科学院苏州纳米技术与纳米仿生研究所, 苏州市 216123)
2)( 中国科学院大学, 北京市 100049)
摘 要 作为一个十余年来快速发展的崭新领域,深度学习受到了越来越多研究者的关注,它在特征提取和模型拟合
上都有着相较于浅层模型显然的优势。深度学习善于从原始输入数据中挖掘越来越抽象的分布式特征表示,而这些表示
具有良好的泛化能力。它解决了过去人工智能中被认为难以解决的一些问题。且随着训练数据集数量的显著增长以及芯
片处理能力的剧增,它在目标检测和计算机视觉、自然语言处理、语音识别和语义分析等领域成效卓然,因此也促进了
人工智能的发展。深度学习是包含多级非线性变换的层级机器学习方法,深层神经网络是目前的主要形式,其神经元间
的连接模式受启发于动物视觉皮层组织,而卷积神经网络则是其中一种经典而广泛应用的网络结构。卷积神经网络的局
部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度,减少训练参数的数目,使模型对平移、扭曲、
缩放具有一定程度的不变性,并具有强鲁棒性和容错能力,且也易于训练和优化网络结构。基于这些优越的特性,它在
各种信号和信息处理任务中的性能优于标准的全连接神经网络。本文首先概述了卷积神经网络的发展历史,然后分别描
述了神经元模型、多层感知器的结构。接着,详细分析了卷积神经网络的结构,包括卷积层、取样层、全连接层,它们
发挥着不同的作用。然后,讨论了网中网结构、空间变换网络等改进的卷积神经网络。同时,还分别介绍了卷积神经网
络的监督学习、无监督学习训练方法以及一些常用的开源工具。此外,本文以图像分类、人脸识别、音频检索、心电图
分类及目标检测等为例,对卷积神经网络的应用作了归纳。卷积神经网络与递归神经网络的集成是一个途径。为了给读
者以尽可能多的借鉴,本文还设计并试验了不同参数及不同深度的卷积神经网络以图把握各参数间的相互关系及不同参
数设置对结果的影响。最后,给出了卷积神经网络及其应用中待解决的若干问题。
关键词 卷积神经网络;深度学习;网络结构;训练方法;领域数据
中图法分类号 TP81
论文引用格式:
周飞燕,金林鹏,董军, 卷积神经网络研究综述,2017, Vol.40,在线出版号 No.7
ZHOU Fei-Yan, JIN Lin-Peng, DONG Jun, Review of Convolutional Neural Network, 2017,Vol.40,Online Publishing No.7
Review of Convolutional Neural Network
ZHOU Fei-Yan1)2) JIN Lin-Peng1)2) DONG Jun1)
1)(Suzhou Institute of Nano-tech and Nano-bionics, Chinese Academy of Sciences, Suzhou 215123)
2)(University of Chinese Academy of Sciences, Beijing 100049)
Abstract As a new and rapidly growing field for more than ten years, deep learning has gained more and more
attentions from different researchers. Compared with shallow ar
您可能关注的文档
- 建设项目竣工环境保护验收监测表分析.PDF
- 用6P13P装配的Hi-Fi电子管功放(下)-P重3P装配的详解.PDF
- 用VisualC++6.0运行C程序的基本方法详解.doc
- 用友网络科技股份有限公司跟踪评级报告详解.PDF
- 有6P13P装配的Hi-Fi电子管功放(上)详解.PDF
- 江都区实验小学等16所中小学18项校安工程分析.PDF
- 语义关联数据动态交互可视化系统设计与实现详解.PDF
- 江苏常熟农村商业银行股份有限公司分析.PDF
- 江苏省独立学院专业建设分析.PDF
- 将5G超宽带毫米波测试台应用于功率放大器数字预失真-是德分析.PDF
- 2024年中国钽材市场调查研究报告.docx
- 2024年中国不锈钢清洗车市场调查研究报告.docx
- 2024年中国分类垃圾箱市场调查研究报告.docx
- 2024年中国水气电磁阀市场调查研究报告.docx
- 2024年中国绿藻片市场调查研究报告.docx
- 2010-2023历年初中毕业升学考试(青海西宁卷)数学(带解析).docx
- 2010-2023历年福建厦门高一下学期质量检测地理卷.docx
- 2010-2023历年初中数学单元提优测试卷公式法(带解析).docx
- 2010-2023历年初中毕业升学考试(山东德州卷)化学(带解析).docx
- 2010-2023历年初中毕业升学考试(四川省泸州卷)化学(带解析).docx
文档评论(0)