深度信念网络研究现状与展望

作     者：王功明 乔俊飞 关丽娜 贾庆山 WANG Gong-Ming;QIAO Jun-Fei;GUAN Li-Na;JIA Qing-Shan

作者机构：北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 清华大学自动化系智能与网络化系统研究中心北京100084 

基　　金：国家自然科学基金(61533002)资助 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2021年第47卷第1期

页      码：35-49页

摘      要：深度信念网络(Deep belief network,DBN)是一种基于深度学习的生成模型,克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题,近几年来已成为深度学习领域的研究热点之一.基于分阶段学习的思想,人们设计了不同结构和学习算法的深度信念网络模型.本文在回顾总结深度信念网络的研究现状基础上,给出了其发展趋势.首先,给出深度信念网络的基本模型结构以及其标准的学习框架,并分析了深度信念网络与其他深度结构的关系与区别;其次,回顾总结深度信念网络研究现状,基于标准模型分析不同深度信念网络结构的性能;第三,给出深度信念网络的不同无监督预训练和有监督调优算法,并分析其性能;最后,给出深度信念网络今后的发展趋势以及未来值得研究的方向.

主 题 词：深度信念网络 深度学习 无监督预训练 有监督调优 结构设计 

学科分类：0810[工学-土木类] 1205[管理学-图书情报与档案管理类] 12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16383/j.aas.c190102

馆 藏 号：203102102...