共查询到20条相似文献，搜索用时 15 毫秒
1.
2.
3.
针对当前算法在进行目标数据特征提取时存在提取准确率不高、效率低、特异性和灵敏度较差,以及网络节点能耗较高的问题,提出一种基于大数据深度残差学习的特征提取算法,将深度学习的灰色神经网络与残差学习方法进行有机结合,求得了深度残差学习网络模型的微分方程以及时间响应公式,并计算了网络初始权值和阈值;根据深度学习的灰色神经网络拓扑结构获得深度残差学习网络各层的输出参量,采用误差反向传播方法和附加动量法对深度残差学习网络的阈值和权值进行实时更新和调整,完成深度残差学习的网络模型构建,并采用模型精度和后验差比值对该模型进行精度检验,将经过检验合格的网络模型用于目标数据特征提取。通过多组实验测试,证明所提算法相比于其他对比算法有效减少特征提取错误率、提高了执行效率,具有较高的灵敏度和特异性,大大减小了网络节点总体能量消耗,延长了网络生存寿命。 相似文献
4.
5.
数字病理在临床诊断中的普及为人工智能在病理学中的应用创造了条件。由于强大的建模表征能力,深度学习技术在计算病理学中得到广泛应用,在改善疾病诊断方面展现了巨大潜力。本文回顾了深度学习和病理图像分析相结合的应用,并概述了三个关键任务的领域进展,包括分类、分割和检测。针对每一个任务,介绍了相关的临床价值、技术难点、以及主流的算法设计等。目前病理人工智能算法已经取得了一些令人瞩目的成果,但仍未达到临床应用的标准。本文分析了将人工智能技术从研究转化为临床应用时面临的挑战以及未来研究方向。 相似文献
6.
7.
<正>作为一种具有时代意义的计算机围棋算法,深度学习方法使得计算机围棋AlphaGo迅速击败人类高手,本文在分析了计算机围棋深度学习算法的同时,发展变化了几种人类传统围棋算法和定式,并将其应用到实战中。概述现代围棋由19*19个纵横交叉点组成,每个交叉点可以有黑、白和空三种状态,其变化度约有10的300次方, 相似文献
8.
近年尽管针对中文本文分类的研究成果不少，但基于深度学习对中文政策等长文本进行自动分类的研究还不多见。为此，借鉴和拓展传统的数据增强方法，提出集成新时代人民日报分词语料库（NEPD）、简单数据增强（EDA）算法、word2vec和文本卷积神经网络（TextCNN）的NEWT新型计算框架；实证部分，基于中国地方政府发布的科技政策文本进行算法校验。实验结果显示，在取词长度分别为500、750和1 000词的情况下，应用NEWT算法对中文科技政策文本进行分类的效果优于RCNN、Bi-LSTM和CapsNet等传统深度学习模型，F1值的平均提升比例超过13%；同时，NEWT在较短取词长度下能够实现全文输入的近似效果，可以部分改善传统深度学习模型在中文长文本自动分类任务中的计算效率。 相似文献
9.
10.
11.
12.
Spiking神经网络是一种新型的神经网络,它采用更接近于生物神经元的Spike神经元作为计算单元,具有更好的生物特性。文中讨论了其原有的学习算法,提出了基于粒子群算法的学习模型,分析了该模型的算法时间复杂度。非线性分类问题的实验结果表明基于粒子群算法的学习模型具有更好的全局收敛性。 相似文献
13.
《科教文汇》2016,(1)
深度学习是认知领域的重要概念,更加强调和关注学习者积极主动地学习、批判性地学习,要求学习者理解学习内容的完整含义,建立已有知识与新知识的联系,将已有的知识迁移到新的情境中,作出决策和解决问题[1]。深度学习提出了一种对于学习知识的更深层次的要求,是一种能够全面理解知识、运用知识的方法。本文针对普通高校"计算机算法设计与分析"课程内容的归纳和分析,在厘清学习概念的基础上,对传统教育中教学过程、学习过程中的问题与不足,以深度学习理论为指导,尝试提出一种新型教学理念,并结合当代大数据时代特点,改变传统教学模式、方法,促进学生对于课程内容的深度理解,提高学生解决实际问题的能力。 相似文献
14.
15.
<正>专家简介:廖清,哈尔滨工业大学(深圳)计算机科学与技术学院助理教授,国际电子工程师学会(IEEE)会员,中国计算机学会(CCF)会员。主要从事数据挖掘和深度学习的基础理论及应用研究,其中基础理论研究工作主要是高维度、少样本数据的表征学习模型设计及算法优化;应用研究主要包括基于高性能计算平台的海量生物、网络数据的分析、挖掘及应用 相似文献
16.
17.
深度学习是机器学习的一个领域.目前,已成为一种有前途的智能轴承故障诊断工具.本研究对深度学习在轴承故障诊断方面的应用进行系统综述.简要介绍了三种流行的轴承故障诊断深度学习算法:自动编码器、受限玻尔兹曼机和卷积神经网络,并讨论了该研究领域的进一步应用和挑战. 相似文献
18.
19.
20.
由于深度学习需要海量的数据和计算资源,对于移动设备有限的储存和计算能力来说,存在一定的技术局限性。然而利用服务端的海量数据和计算资源将模型训练完成,将训练好的模型部署到移动端,只利用移动端的计算能力是可行的。本文设计了一种基于深度学习的物体实时检测模块,并且成功将训练模型部署在移动设备的安卓系统上。该方法可以实现深度学习网络在移动设备上的快速部署。 相似文献