期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

深度信念网络研究综述 被引量：6

Overview of Deep Belief Network
下载PDF
导出
摘要 深度学习作为新兴的一种多层神经网络学习算法,具有优异的特征学习能力,引起了机器领域的广泛关注。深度信念网络是深度学习中重要模型,首先介绍深度学习起源,后分析深度信念网络中的基本模块及其训练方法,再介绍深度信念网络的基本结构及其学习过程,最后总结当前深度信念网络当前存在的问题。 This paper introduces the origin of deep learning,and then analyzes the basic modules—Restrict Boltzmann Machine and its training method.Secondly,it introduces the basic structure and process of training deep belief networks,and summarizes problem of deep belief networks.
作者 丁美昆 徐昱琳 蒋财军
机构地区 上海大学机电工程与自动化学院
出处 《工业控制计算机》 2016年第4期80-81,84,共3页 Industrial Control Computer
关键词 深度学习 限制波尔兹曼机 深度信念网络 deep learning restrict boltzmann machine deep belief network
分类号 TP18 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献13

  • 1申富饶,徐烨,郑俊,等.神经网络与机器学习[M].3版.北京:机械工 业出版社,2011:366-392.
  • 2BENGIO Y,DELALLEAU O.On the expressive power of deep architectures [C]//Proc of the 14th International Conference on Discovery Science. Berlin: Springer-Verlag, 2011: 18-36.
  • 3BENGIO Y.Learning deep architectures for AI[J]. Foundations and Trends in Machine Learning,2009, 2(1):1-127.
  • 4H!NTON G, OSINDERO S, TEH Y. A fast learning algorithm for deep belief nets[J]. Neural Compution, 2006,18(7):1527-1554.
  • 5BENGIO Y Learning deep architectures for Al[J].Foundationsand Trends in Machine Learning, 2009,2(1): 1 -127.
  • 6BENGIO Y’LECUN Y. Scaling learning algorithms towards Al [M] //BOTTOU L,CHAPELLE 〇,DeC〇STE D,et a!.Large -Scale Kernel Machines. Cambridge: MIT Press, 2007:321 -358.
  • 7黄晨晨,巩微,伏文龙,冯东煜.基于深度信念网络的语音情感识别的研究[J].计算机研究与发展,2014,51(S1):75-80. 被引量：18
  • 8Lerouxn,Bengio Y.Representational power of restricted Boltzmann machines and deep belief networks [J]. Neural Computation, 2008, 20(6):1631-1649.
  • 9HINTON G.A practical guide to training restricted boltzmanmachines[D]. Toronto:University of Toronto,2010:120.
  • 10孙志军,薛磊,许阳明,王正.深度学习研究综述[J].计算机应用研究,2012,29(8):2806-2810. 被引量：602

二级参考文献69

  • 1詹永照,曹鹏.语音情感特征提取和识别的研究与实现[J].江苏大学学报（自然科学版）,2005,26(1):72-75. 被引量：16
  • 2BENGIO Y, DELALLEAU O. On the expressive power of deep archi- tectures[ C ]//Proc of the 14th International Conference on Discovery Science. Berlin : Springer-Verlag, 2011 : 18 - 36.
  • 3BENGIO Y. Leaming deep architectures for AI[ J]. Foundations and Trends in Machine Learning ,2009,2 ( 1 ) : 1-127.
  • 4HINTON G,OSINDERO S,TEH Y. A fast learning algorithm for deep belief nets [ J ]. Neural Computation ,2006,18 (7) : 1527-1554.
  • 5BENGIO Y, LAMBLIN P, POPOVICI D, et al. Greedy layer-wise training of deep networks [ C ]//Proc of the 12th Annual Conference on Neural Information Processing System. 2006:153-160.
  • 6LECUN Y, BOTTOU L, BENGIO Y, et al. Gradient-based learning ap- plied to document recognition[ J]. Proceedings of the iEEE, 1998, 86( 11 ) :2278-2324.
  • 7VINCENT P, LAROCHELLE H, BENGIO Y, et al. Extracting and composing robust features with denoising autoencoders[ C ]//Proc of the 25th International Conference on Machine Learning. New York: ACM Press ,2008 : 1096-1103.
  • 8VINCENT P, LAROCHELLE H, LAJOIE I, et aL Stacked denoising autoencoders:learning useftd representations in a deep network with a local denoising criterion [ J ]. Journal of Machine Learning Re- search ,2010,11 ( 12 ) :3371-3408.
  • 9YU Dong, DENG Li. Deep convex net: a scalable architecture for speech pattern classification [ C]//Proc of the 12th Annual Confe-rence of International Speech Comunication Association. 2011 : 2285- 2288.
  • 10POON H, DOMINGOS P. Sum-product networks:a new deep architec- ture[ C ]//Proc of IEEE Intemational Conference on Computer Vi- sion. 2011:689-690.

共引文献1178

同被引文献50

引证文献6

二级引证文献13

工业控制计算机
2016年 第4期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部