深度学习理论研究.docVIP

  • 3
  • 0
  • 约1.79万字
  • 约 19页
  • 2024-06-24 发布于湖北
  • 举报

【王晓刚】深度学习在图像辨认中的研究进展与展望

标签:深度学习机器学习LinJM

2023-06-0320:374728人阅读评论(2)收藏举报算法与理论研究(31)

版权声明:本文为博主原创文章,未经博主允许不得转载。

目录(?)[+]

深度学习是近十年来人工智能领域取得的最重要的突破之一。它在语音辨认、自然语言解决、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功。本文将重点介绍深度学习在物体辨认、物体检测、视频分析的最新研究进展,并探讨其发展趋势。

1.深度学习发展历史的回顾

现有的深度学习模型属于神经网络。神经网络的历史可追述到上世纪四十年代,曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理,解决各种机器学习的问题。1986年Rumelhart,Hinton和Williams在《自然》发表了著名的反向传播算法用于训练神经网络[1],直到今天仍被广泛应用。

但是后来由于种种因素,大多数学者在相称长的一段的时间内放弃了神经网络。神经网络有大量的参数,经常发生过拟合问题,即往往在训练集上准确率很高,而在测试集上效果差。这部分归因于当时的训练数据集规模都较小。并且计算资源有限,即便是训练一个较小的网络也需要很长的时间。总体而言,神经网络与其它模型相比并未在辨认的准确率上体现出明显的优势,并且难于训练。

因此更多的学者开始采用诸如支持向量机、

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档