APP下载

卷积神经网络综述

2021-07-28马世拓班一杰戴陈至力

现代信息科技 2021年2期
关键词:深度学习

马世拓 班一杰 戴陈至力

摘  要:近年来随着深度学习的发展,图像识别与分类问题取得了飞速进展。而在深度学习的研究领域中,卷积神经网络被广泛应用于图像识别。文章对前人在卷积神经网络领域的研究成果进行了梳理与总结。首先介绍了深度学习的发展背景,然后介绍了一些常见卷积网络的模型,并对其中的微网络结构进行简述,最后对卷积神经网络的发展趋势与特点进行分析与总结。在未来的研究中,卷积神经网络仍将作为深度学习的一种重要模型得到进一步发展。

关键词:深度学习;卷积神经网络;微网络

中图分类号:TP301.6       文献标识码:A 文章编号:2096-4706(2021)02-0011-05

Abstract:In recent years,with the development of deep learning,image recognition and classification problems have made rapid progress. In the field of deep learning,convolutional neural network is widely used in image recognition. In this paper,the previous research results in the field of convolutional neural network are combed and summarized. Firstly,it will introduce the development background of deep learning,and then introduce some common convolutional network models,and briefly describes the micro network structure. Finally,it will analyze and summarize the development trend and characteristics of convolutional neural network. In the future research,convolutional neural network will be further developed as an important model of deep learning.

Keywords:deep learning;convolutional neural network;micro network

0  引  言

近年来深度学习研究大热,而卷积神经网络作为其中一种重要模型,梳理其发展脉络对于其研究和发展具有重大意义。以校级“大创”项目“‘以词搜图检索系统”中对卷积神经网络的学习与研究历程为出发点,本文旨在梳理卷积神经网络的发展脉络,并对卷积神经网络的发展趋势做简要总结。

1  人工神经网络的背景

1.1  深度学习

深度学习最早其实可以追溯到感知神经元被提出的时期,随后经历了几次研究浪潮,并于近年不断受到研究者的青睐。深度学习以多层神经网络与后向传播算法为基础,在计算机视觉、自然语言处理、语音识别等领域有广泛应用。神经网络是一种具有多层次的模型,将原始数据经过各不同模块逐渐抽象,但保留源数据的主要特征。经过神经网络的不断抽象,理论上它可以拟合任意一个复杂函数[1]。……

登录APP查看全文

猜你喜欢

深度学习
从合坐走向合学:浅议新学习模式的构建
面向大数据远程开放实验平台构建研究
基于自动智能分类器的图书馆乱架图书检测
搭建深度学习的三级阶梯
有体验的学习才是有意义的学习
电子商务中基于深度学习的虚假交易识别研究
利用网络技术促进学生深度学习的几大策略
MOOC与翻转课堂融合的深度学习场域建构
大数据技术在反恐怖主义中的应用展望
深度学习算法应用于岩石图像处理的可行性研究