神经网络算法的发展历程及其应用探究

摘要

神经网络是当前人工智能研究的一个热门课题，已被广泛地应用于图像处理，自然语言处理，语音识别等。神经网络的研究经过了人工神经元模型和早期神经网络模型的发展。该方法的基本思想是：正向传输和反向传播，损失函数的计算和训练， Dropout, BatchNormalization等正则化方法，自编码等。神经网络在图像与视频分析，自然语言处理，推荐系统与搜索引擎，语音识别与产生，游戏与虚拟现实，医学影像分析，等等。但在实际应用中，仍存在训练集维数与约简、过拟合与欠拟合、网络拓扑选择与性能退化等问题。在此基础上，通过对算法及具体技术进行改进，使其能够更好的应用于实际应用中，促进人工智能的发展。

关键词：神经网络；算法；发展历程；应用


目录

摘要 1
引言 2
一、神经网络算法的发展过程 2
(一)建立了人造神经细胞的数学模型 2
(二)早期神经网络模型 2
(三)深层神经网络（DNN）的崛起 3
(四)限制玻尔兹曼机的构造与以后的模型 3
(五)卷积神经网络（CNN）的历史 3
二、人工神经网络算法的理论基础 3
(一)正向扩散和逆向扩散 3
(二)损耗函数的求解和训练 4
(三)Dropout、 Batch正规化技术 4
(四)self-coder 4
三、人工神经网络在实际中的应用 5
(一)图象和录像的分析 5
(二)ATS 5
(三)推荐与搜寻引擎 5
(四)声音的辨识与产生 5
四、人工神经网络算法面临的问题及对策 6
(一)训练集合规模 6
(二)过拟合与欠拟合 6
(三)选择合适的网路拓朴 6
(四)处理网络质量下降 7
结论 7
参 考 文 献 7

扫码免登录支付

原创文章，限1人购买！

是否支付33元后完整阅读并下载？

如果您已购买过该文章，[登录帐号]后即可查看

已售出的文章系统将自动删除，他人无法查看

阅读并同意：范文仅用于学习参考，不得作为毕业、发表使用。

支付33元