换一批摘要深度学习被引入机器学习领域与大数据的完美结合加快了人工智能实现的涉伐,近年来备受学术界和工业界的广泛关注.从深度学习的3种经典模型出发,主要做了5方面的工作:第一,针对深度信念网络,从网络结构(隐含层数、RBM结构、DBN级联),学习算法(基本算法、优化算法与其他方法结合),硬件系统(GPU,FPGA)三个方面进行总结;第二,针对卷积神经网络,从网络结构(输入层、隐含层、CNN个数),学习算法,硬件系统三个方面进行归纳;第三,针对堆栈自编码器,以时间为轴对其发展进行梳理,阐述相应自编码器的方法改进;第四,从医学图像分割、医学图像识别和计算机辅助诊断3个方面详细探讨深度学习在医学图像分析领域中的应用;最后从大数据浪潮、模型构建、特征学习、应用拓展4个方面对深度学习的发展进行展望.
更多相关知识
关键词
深度学习深度信念网络卷积神经网络堆栈自编码器医学图像deep learningdeep belief networkconvolutional neural networkstacked autoencodermedical image
分类号
TN911.73
栏目名称
DOI
10.16280/j.videoe.2016.10.024
发布时间
2016-11-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（81160183）
国家自然科学基金（61561040）
宁夏回族自治区自然科学基金（NZ12179）
宁夏回族自治区自然科学基金（NZ14085）
高等学校科研项目（NGY2013062）
- 浏览3
- 被引32
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
