人工智能论文研读:深度学习算法与架构综述(包含详细统计表)
https://www.toutiao.com/a6687884910335623691/总体内容概括本文综述了几种提高训练精度和缩短训练时间的优化方法。深入研究了最近深度网络中使用的训练算法背后的数学原理。将描述当前的缺点、增强和实现。本文还介绍了深度卷积网络、深度残差网络、递归神经网络、增强学习、变分自编码器等不同类型的深度结构。为了方便大家理解,我首先放几张图片和表格...
·
https://www.toutiao.com/a6687884910335623691/
总体内容概括
本文综述了几种提高训练精度和缩短训练时间的优化方法。深入研究了最近深度网络中使用的训练算法背后的数学原理。将描述当前的缺点、增强和实现。本文还介绍了深度卷积网络、深度残差网络、递归神经网络、增强学习、变分自编码器等不同类型的深度结构。
为了方便大家理解,我首先放几张图片和表格
Github上深度学习库的趋势
深度学习框架和库热度
CNN算法的伪代码
DNN网络对比
深度学习算法对比
深度学习算法劣势及解决办法
大致目录:
目录
- 引言
- 神经网络的分类
- 前馈神经网络
- 递归神经网络
- 径向基函数神经网络
- Kohonen自组织神经网络
- 模块化神经网络
3. 神经网络架构
- 卷积神经网络
- Autoencoder
- 受限玻尔兹曼机(RBM)
- 长短时记忆(LSTM
4. 训练算法
- Gradient Descent
- Stochastic Gradient Descent
- Momentum
- Levenberg–Marquardt algorithm
- Backpropagation through time
5. 训练算法缺陷
- a. vanishing and exploding gradients
- b. local minima
- c. flat regions
- d. steep edges
- e. training time
- f. overfitting
6. 优化算法
7. 算法架构实现
更多推荐
已为社区贡献313条内容
所有评论(0)