1.导论

(1)深度学习按照成熟度分类

①成熟的深度学习算法:
  深度前馈网络(deep feedforward network),也叫 前馈神经网络(feedforward neural network)或 多层感知机(multilayer perceptron, MLP),是典型的深度学习模型。
  卷积网络(convolutional network)(LeCun, 1989),也叫 卷积神经网络(convolutional neural network, CNN),是一种专门处理具有类似网格结构的数据的神经网络。例如时间序列数据和图像数据。
  循环神经网络(recurrent neural network)或 RNN (Rumelhart et al., 1986c)是一类用于处理序列数据的神经网络。
 
②展望性的算法:
 
(2)CNN例子:
LeNET,AlexNet
优化:VGGNet(Oxford),GoogleNet,Residual Net(何凯明),Residual Network
模型压缩 参数量&计算量:Xception,MobileNet,ShuffleNet,SqueezeNet
目标检测:R-CNN,Fast / Faster R-CNN,FPN,R-FCN,Mask R-CNN,YOLO,SSD,RetinaNet
生成样本/不平衡: GAN。
(3)RNN例子:
BRNN(Bidirectional RNNs),LSTM
 

?(4)深度学习算法按照应用领域分类

NLP相关,

CV相关,传统神经网络(反向传播)——限制玻尔兹曼机——AutoEncoder——梯度反向传播——多层感知机——卷积神经网络

其他,

 

 

 

 

2.CNN步骤

Convolution

Pooling

Activation

Initialization

Normalization

Optimizer

Architecture

 

3.术语缩写

(1)卷积神经网络(Convolutional Neural Networks,CNN)

 

posted on 2020-05-11 06:40  西伯尔  阅读(275)  评论(0编辑  收藏  举报