神经网络分类
2016-02-27 14:02
567 查看
按发展顺序
第一代:感知机;第二代Hopfield;第三代:深度神经网络。按是否存在反馈
前馈网络BP
如CNN,多用在图像处理中。递归网络RNN
具有时间特性的网络,多用在语音识别、自然语言处理等情景。RNN较BP网络难训练的原因在于它的梯度不稳定的情况更加严重,它的梯度不是随层传播,而是随时间传播。LSTM在一定程度上缓解了该问题。DBN,生成模型,RBM
这类生成模型具有“生成”的特性,用于非监督和半监督学习中,现在虽然没有BP,RNN模型的流行度高,但可能在以后有更加广泛的应用。相关文章推荐
- bp神经网络及matlab实现
- 如何用70行代码实现深度神经网络算法
- 基于神经网络的预测模型
- 神经网络初步学习手记
- RBF的一点个人理解
- 利用自收敛深度人工神经网络构建(DNN)构建多语种大词汇量连续语音识别系统
- UFLDL Exercise: Convolutional Neural Network
- 基于遗传算法(GA)的神经网络训练算法
- 神经网络 caffe 的 vs2013 版本代码
- 传统BP神经网络完整例子(电力负荷预测)
- Matlab 神经网络工具箱
- Google最新人工智能算法RankBrain的实现--写在后面的话
- 备份:创建VS工程使用神经网络库——FANN
- 卷积神经网络知识要点
- Deep learning: autoencoders and sparsity
- bp神经网络c语言实现
- 神经网络基础
- 文章标题
- 关于神经网络的学习
- 基于神经网络的统计语言模型-----第一章 引言