深度学习认知计算综述

发布时间：2023-03-12 03:46

　　随着大数据和智能时代的到来,机器学习的研究重心已开始从感知领域转移到认知计算(Cognitive computing,CC)领域,如何提升对大规模数据的认知能力已成为智能科学与技术的一大研究热点,最近的深度学习有望开启大数据认知计算领域的研究新热潮.本文总结了近年来大数据环境下基于深度学习的认知计算研究进展,分别从深度学习数据表示、认知模型、深度学习并行计算及其应用等方面进行了前沿概况、比较和分析,对面向大数据的深度学习认知计算的挑战和发展趋势进行了总结、思考与展望.

【文章页数】：12 页

【文章目录】：
1 深度学习数据表示
    1.1 基于多模态的数据表示
    1.2 基于张量的数据表示
2 深度学习认知模型
    2.1 深度学习
    2.2 卷积神经网络
    2.3 栈式自编码器
    2.4 递归神经网络
    2.5 基于张量的深度学习模型
    2.6 深度学习模型优化
3 深度学习并行计算
    3.1 GPU加速
    3.2 数据与模型并行
    3.3 深度学习计算集群及其并行应用
4 深度学习认知计算应用
5 深度学习认知计算发展趋势的思考
    1) 数据表示
    2) 认知模型
    3) 并行计算
    4) 深度学习认知计算应用
6 结论



本文编号：3760879