需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：11356 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:深度學習是現(xiàn)在機器學習領域的一項熱門話題。深度學習在語音識別、圖像識別、自然語言處理等方面有著巨大的成就。神經網(wǎng)絡和卷積神經網(wǎng)絡是深度學習中較為常用的算法。神經網(wǎng)絡是機器學習中最為經典的一項算法。隨著深度學習成為熱門，神經網(wǎng)絡也被更多的人作為研究對象，它在識別，檢測和分析的等領域占據(jù)著越來越重要的角色。跟神經網(wǎng)絡一樣，卷積神經網(wǎng)絡的技術也日益成熟，也在圖像識別、語音識別領域中發(fā)揮著自身的特點。目前，很多互聯(lián)網(wǎng)巨頭比如Google、百度、阿里巴巴等都已經投入到深度學習的行列中，并且將深度學習的發(fā)展列入到重要的研發(fā)方向。 本論文主要從深度學習的發(fā)展來入手，來介紹深度學習在各領域中的應用以及國內外公司在研究深度學習領域的現(xiàn)狀，學習人工神經網(wǎng)絡和卷積神經網(wǎng)絡的算法，并了解深度學習的待解決的問題以及未來的發(fā)展趨勢。
關鍵詞：深度學習；神經網(wǎng)絡；卷積神經網(wǎng)絡；圖像識別
目錄 摘要 Abstract 1 緒論-1 1.1 深度學習的發(fā)展歷程-1 1.2 深度學習領域的杰出貢獻者-2 1.2.1 Geoff Hinton-2 1.2.2 Yann LeCun-3 1.2.3 Yoshua Bengio-3 1.2.4 吳恩達-3 2 深度學習的算法-4 2.1 神經網(wǎng)絡-4 2.1.1 神經元-4 2.1.2 人工神經網(wǎng)絡-4 2.1.3 后向傳播算法-5 2.1.3 后向傳播算法推導-6 2.2 卷積神經網(wǎng)絡-9 2.2.1 卷積神經網(wǎng)絡的特性-9 3 深度學習的應用-12 3.1 語音識別領域-12 3.2 圖像識別領域-13 3.3 自然語言理解領域-13 3.4 國內外深度學習技術發(fā)展趨勢-14 3.4.1 深度學習在Google中的應用-14 3.4.2 深度學習在百度中的應用-15 3.4.3 深度學習在阿里巴巴中的應用-16 4 深度學習的未來展望-17 4.1 深度學習的未來展望-17 結 論-18 參 考 文 獻-19 致 謝-20 |
