深度学习综述

Deep Learning Survey

作者： 李海新 ¹
作者单位：

1. 北京化工大学
提交时间：2024-01-06 21:14:27

摘要: 人工智能的核心课题之一是神经网络与深度学习，它们模仿人脑的工作原理，通过多层次的神经元连接来从数据中挖掘有价值的知识和规律。神经网络的研究始于上世纪四十年代，经过几次起伏和革新，目前已经涵盖了多个种类和领域，如卷积神经网络、循环神经网络、语音识别、计算机视觉和自然语言处理等。深度学习是指利用多层神经网络来处理复杂的非线性问题，它依赖于海量的数据和计算资源，以及高效的训练和优化技术。深度学习在近几年取得了令人惊叹的进展，但也存在着一些难题和挑战，如模型解释性、泛化能力、安全性和可靠性等。深度学习仍是一个充满活力和前景的研究领域，有望为人类的智能和生活开辟更多的机会和可能。本文将从神经网络到深度学习来简要介绍一下部分类型的神经网络结构以及部分深度学习的模型结构。

神经网络深度学习卷积神经网络自编码器

来自： 李海新
分类： 信息科学与系统科学 >> 控制科学与技术
投稿状态： 未投稿
引用： ChinaXiv:202401.00093 (或此版本 ChinaXiv:202401.00093V1)
DOI:10.12074/202401.00093V1
CSTR:32003.36.ChinaXiv.202401.00093.V1
科创链TXID： e51e6034-cc77-4292-bb73-e7b536f8d69b
推荐引用方式： 李海新.深度学习综述.中国科学院科技论文预发布平台.[ChinaXiv:202401.00093V1] (点此复制)

版本历史

[V1]

2024-01-06 21:14:27

ChinaXiv:202401.00093V1

下载全文

相关论文推荐

1. Text Distance from Nested and Hierarchical Repetitions: A Compression-Based Perspective	2025-06-11
2. 生成式人工智能在参考咨询服务中的应用探索-基于文心一言、Kimi、秘塔和DeepSeek测试	2025-05-27
3. 需求-信息-政策协同链：四方博弈视域智慧养老产业驱动银发经济发展策略研究	2025-05-17
4. “弘扬工匠精神传承非遗文化”阅读推广活动宣贯传统医药的精深技艺文化	2025-01-30
5. 语义信息分解方法	2025-01-15
6. 数据科学R与Python实践（入门版）	2025-01-05
7. 虚假信息群体免疫传播阈值测度模型	2024-12-28
8. Orthogonal Mode Decomposition for Finite Discrete Signals	2024-11-30
9. 有限长度离散信号的正交模态分解方法	2024-11-18
10. 构造实数域上小波函数的一般方法	2024-11-17


公开评论匿名评论仅发给作者