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

浅析人工神经网络及其应用模型 被引量：6

下载PDF
导出
摘要 人工神经网络是人类对计算工具研究领域取得的重要成果,它以模糊处理与形象思维作为研究方向,以神经元模型为基础,配合算法,通过不断的数字化运算,从而让计算机软件具有人脑的信息处理能力,从而完成复杂的非线性任务。文章主要介绍了人工神经网络的概念、特点,神经网络的数学模型,并且分析了人工神经网络发展过程中的几种神经网络及特点,最后对人工神经网络的发展提出了建议。
作者 李牧樵
机构地区 重庆市第二外国语学校
出处 《科技传播》 2019年第8期137-138,155,共3页 Public Communication of Science & Technology
关键词 人工神经网络 神经元模型 感知器 深度学习
分类号 G2 [文化科学]
  • 相关文献

参考文献3

二级参考文献77

  • 1王刚,高阳,夏洁.基于差异进化算法的人工神经网络快速训练研究[J].管理学报,2005,2(4):450-454. 被引量：10
  • 2商琳,王金根,姚望舒,陈世福.一种基于多进化神经网络的分类方法[J].软件学报,2005,16(9):1577-1583. 被引量：13
  • 3王守觉,曹文明.半导体神经计算机的硬件实现及其在连续语音识别中的应用[J].电子学报,2006,34(2):267-271. 被引量：3
  • 4LECUN Y, BOTTOU L, BENGIO Y, et al. Gradient-based learning applied to document recognition [J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324.
  • 5HINTON G E, OSINDERO S, TEH Y W. A fast learning algorithm for deep belief nets [J]. Neural Computation, 2006, 18(7): 1527-1554.
  • 6LEE H, GROSSE R, RANGANATH R, et al. Convolutional deep belief networks for scalable unsupervised learning of hierarchical representations [C]// ICML '09: Proceedings of the 26th Annual International Conference on Machine Learning. New York: ACM, 2009: 609-616.
  • 7HUANG G B, LEE H, ERIK G. Learning hierarchical representations for face verification with convolutional deep belief networks [C]// CVPR '12: Proceedings of the 2012 IEEE Conference on Computer Vision and Pattern Recognition. Washington, DC: IEEE Computer Society, 2012: 2518-2525.
  • 8KRIZHEVSKY A, SUTSKEVER I, HINTON G E. ImageNet classification with deep convolutional neural networks [C]// Proceedings of Advances in Neural Information Processing Systems. Cambridge, MA: MIT Press, 2012: 1106-1114.
  • 9GIRSHICK R, DONAHUE J, DARRELL T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation [C]// Proceedings of the 2014 IEEE Conference on Computer Vision and Pattern Recognition. Washington, DC: IEEE Computer Society, 2014: 580-587.
  • 10LONG J, SHELHAMER E, DARRELL T. Fully convolutional networks for semantic segmentation [C]// Proceedings of the 2015 IEEE Conference on Computer Vision and Pattern Recognition. Washington, DC: IEEE Computer Society, 2015: 3431-3440.

共引文献934

同被引文献79

引证文献6

二级引证文献25

科技传播
2019年 第8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