深度学习认知计算综述

被引：36

作者：

陈伟宏 ^{[1
,2
]}

安吉尧 ^{[1
,2
]}

李仁发 ^{[1
,2
]}

李万里 ^{[1
,2
]}

机构：

[1] 湖南大学信息科学与工程学院

[2] 嵌入式与网络计算湖南省重点实验室

来源：

自动化学报 | 2017年 / 43卷 / 11期

关键词：

深度学习; 认知计算; 张量数据表示; 并行计算; 大数据;

D O I：

10.16383/j.aas.2017.c160690

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

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.

引用

页码：1886 / 1897

页数：12

共 13 条

[1] 基于深度学习的图像超分辨率复原研究进展 [J].

孙旭 ;

李晓光 ;

李嘉锋 ;

卓力 .

自动化学报, 2017, 43 (05) :697-709

[2] 基于深度学习的人体行为识别算法综述 [J].

朱煜 ;

赵江坤 ;

王逸宁 ;

郑兵兵 .

自动化学报, 2016, 42 (06) :848-857

[3] Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond [J].

FeiYue Wang ;

Jun Jason Zhang ;

Xinhu Zheng ;

Xiao Wang ;

Yong Yuan ;

Xiaoxiao Dai ;

Jie Zhang ;

Liuqing Yang .

IEEE/CAAJournalofAutomaticaSinica, 2016, 3 (02) :113-120

[4] 深度学习在控制领域的研究现状与展望 [J].

段艳杰 ;

吕宜生 ;

张杰 ;

赵学亮 ;

王飞跃 .

自动化学报, 2016, 42 (05) :643-654

[5] 大数据并行计算框架 [J].

陈国良 ;

毛睿 ;

陆克中 .

科学通报, 2015, 60(Z1) (Z1) :566-569

[6] 深度学习的昨天、今天和明天 [J].

余凯 ;

贾磊 ;

陈雨强 ;

徐伟 .

计算机研究与发展, 2013, 50 (09) :1799-1804

[7]

Fast learning in Deep Neural Networks[J] . B. Chandra,Rajesh K. Sharma.Neurocomputing . 2016

[8] Human-level concept learning through probabilistic program induction [J].

Lake, Brenden M. ;

Salakhutdinov, Ruslan ;

Tenenbaum, Joshua B. .

SCIENCE, 2015, 350 (6266) :1332-1338

[9]

IBM Watson: How Cognitive Computing Can Be Applied to Big Data Challenges in Life Sciences Research and Clinical Practice[J] . Ying Chen,JD Elenee Argentinis,Griff Weber.Clinical Therapeutics . 2015

[10]

Deep learning in neural networks: An overview[J] . Jürgen Schmidhuber.Neural Networks . 2014

← 1 2 →