登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 计算机类 > 软件工程 > 正文

基于LSTM算法的深度学习框架的研究与实现开题报告

 2020-09-15 10:09  

1. 研究目的与意义(文献综述)

深度学习(deep learning)是一种新兴的多层神经网络学习算法,因其缓解了传统训练算法的局部最小性,引起机器学习领域的广泛关注。深度学习架构由多层非线性运算单元组成,每个较低层的输出作为更高层的输入,可以从大量输入数据中学习有效的特征表示,学习到的高阶表示中包含输入数据的许多结构信息,是一种从数据中提取表示的好方法,能够用于分类、回归和信息检索等特定问题中。

针对以往浅层学习对特征表达能力不足和特征维度过多导致的维数灾难现象,深度学习通过特有的层次结构和其能够从低等级特征中提取高等级特征很好地解决了这些问题,并给人工智能带来了新希望。为了能够学习表示高阶抽象概念的复杂函数,解决目标识别、语音感知和语言理解等人工智能相关的任务,需要引入深度学习。

对深度学习的研究最早起源于国外,早在1976年美国学者ference marton和rogersljo就首次公开提出了深度学习的概念。此后,国外许多学者对深度学习的理论和实践展开了更为深入、广泛的研究。我国对深度学习的研究起步较晚,上海师范大学黎加厚教授在2005年发表的《促进学生深度学习》一文中首次提出深度学习的概念。近十年来国内外研究者都非常重视信息技术支撑下的深度学习研究,利用信息技术实现和促进深度学习,提高课堂教学效率,已经成为当前学习研究的热点课题。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

一、基本内容

1. 充分了解rnn,lstm算法原理;

2. 尝试改进lstm算法,如记忆单元等;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

1. 2017/1/14—2017/2/25:确定选题,查阅文献,外文翻译和撰写开题报告;

2. 2017/2/26—2017/4/30:系统架构、程序设计与开发、系统测试与完善;

3. 2017/5/1—2017/5/25:撰写及修改毕业论文;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1] byeon wonmin, breuel tomas m, raue federico, marcus liwicki. scene labelling with lstm recurrent neural networks. 2015 ieee conference on computer vision and pattern recognition(cvpr), 2015.

[2] 张建明,詹智财,成科扬,等.深度学习的研究与发展[j].江苏大学学报:自然科学版,2015,36(2):191-200.

[3] 奚雪峰,周国栋.面向自然语言处理的深度学习研究.自动化学报,2016,42(10):1445-1465.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图