李 荟,王 梅

(东北石油大学 计算机与信息技术学院,大庆 163318)

1 引言

伴随着大数据时代的到来以及各种强大的计算设备的发展,深度学习是可以充分利用海量数据,包括标注数据、弱标注数据和无标注数据类型,对抽象的知识表达进行完全自动地学习.目前,深度学习改进了图像处理、语音处理和文本处理等众多领域的算法设计思想,逐步形成了一套基于训练数据,通过一种端到端的模型,最后得到最终结果的思路,这是一种既简单又高效的处理方式,并且深受认同.随着不断深入的研究与应用,也出现了很多精良设计的深度网络结构,可以解决传统机器学习并不好解决的很多复杂问题.对比传统的机器学习,深度学习的本质就是一种特征学习方法,它把原始的数据经过简单并且非线性的模型转换成为层次更高的、更加抽象的表达.虽然深度学习能够很好的建立起输入和输出之间的映射关系,可是却不能较好地发现其内在物理联系.相比应用研究来说,深度学习的理论研究可以做的更多.

近年来,卷积神经网络受到了广泛关注,其在大规模图像识别和视频识别领域都获得了较于以往非常好的效果.随着大规模的图像库和高性能的GPU的发展,识别率有了显著的提升.值得一提的是以ImageNet为代表的大规模图像识别大赛,其在深度学习领域有较强的推动作用[1],此大赛已经成为了最近几年较大型实验平台.

目前,ConvNets 已经变……