深度学习的研究与发展-江苏大学.pdfVIP

年 月 第 卷第 期 深度学习的研究与发展 张建明 詹智财 成科扬 詹永照 江苏大学 计算机科学与通信工程学院 江苏 镇江 摘要 针对以往浅层学习对特征表达能力不足和特征维度过多导致的维数灾难等现象深度学习 通过所特有的层次结构和其能够从低等级特征中提取高等级特征很好地解决了这些问题并给人 工智能带来了新的希望 首先介绍了深度学习的发展历程 并介绍了基于 和 的 和 等深度模型其次对近几年 深度学习在语音识别计算机视觉 自然语言处理以及信息检索等方面的应用的介绍说明了深度 学习结构在相比较于其他结构的优越性和在不同任务上更好的适应性最后通过对现有的深度学 习在在线学习能力 大数据上和深度结构模型的改进上的思考和总结 展望了今后深度学习的发展 方向 关键词 浅层学习 深度学习 层次结构 人工智能 机器学习 中图分类号 文献标志码 文章编号 引文格式 张建明 詹智财 成科扬 等深度学习的研究与发展江苏大学学报自然科学版 收稿日期 基金项目 国家自然科学基金资助项目 作者简介 张建明 男江苏丹阳人教授 主要从事图像处理与模式识别虚拟现实的研究 詹智财 男江西上饶人硕士研究生 主要从事模式识别深度学习的研究 第 卷 从 年开始 深度学习作为机器学习领域中 的方法都是利用浅层结构来处理数据 这些结构模 对模式 音频 图像 文本等 进行建模的一种方法 型最多只有 层或者 层非线性特征转换层 典型 已经成为机器学习研究的一个新领域 深度学习旨 的浅层结构有 高斯混合模型 支持向量 在使机器学习能够更加地接近其最初的目标人 机 逻辑回归等等在这些浅层模型中最 工智能 为成功的就是 模型 使用一个浅层线性 近年来 随着深度学习的出现 许多研究者致力 模式分离模型 当不同类别的数据向量在低维空间 于深度学习原理和应用的研究主要体现在各大会