深度学习模型及自适应技术研究进展

下载PDF

导出

摘要本文参阅了国内外深度学习模型的研究文献,在总结的前人研究成果的基础上发现了深度学习模型在自适应能力上的不足并收集、整合了主流的解决办法。全文首先简述了深度学习的概念,其次介绍了深度置信网络模型、卷及神经网络模型的运作机制及在自适应性上缺陷,然后分析了自编码算法、SVD迭代算法、最大似然线性回归算法等主流的模型自适应性提升办法,最后总结了深度学习模型自适应技术在研究上的进展与未来研究方向。

作者张恩德包荣鑫

机构地区大连理工大学

出处《中文科技期刊数据库(全文版)自然科学》 2017年第4期00289-00290,共2页

关键词深度学习模型自适应技术发展方向

分类号 G434 [文化科学—教育技术学]

引文网络
相关文献

1龙东腾,王庆杰,刘家赫,李昆儒.基于堆叠自编码器迁移学习的锂电池健康状态评估技术[J].质量与可靠性,2025(1):60-65.
2秦凯,郝予希,赵英俊,崔鑫,杨越超,朱玲,田青林.基于自编码的高光谱遥感解混技术研究综述(内封面文章·特邀)[J].红外与激光工程,2025,54(5):20-37.
3肖文静,刘征宇,王多平,洪成骐,王正杰.基于数据分析的风机叶片异常状态监测[J].东方电气评论,2025,39(3):84-88.
4钟一鸣,于曹阳,向先波,连琏.基于级联滤波与误差触发支持向量回归的海洋航行器运动预测研究[J].海洋工程装备与技术,2025,12(1):133-140.
5Mengqi Li,Haoyang Xu,Hui Tian.Design and control of an extractive distillation process for separating isopropanol and water with side-stream extraction[J].Chinese Journal of Chemical Engineering,2025,80(4):231-247.

中文科技期刊数据库(全文版)自然科学

2017年第4期

浏览历史

内容加载中请稍等...

深度学习模型及自适应技术研究进展

相关作者

相关机构

相关主题

浏览历史