基于受限样本的深度学习综述与思考

A Review and Thinking of Deep Learning with a Restricted Number of Samples

章云 ¹王晓东¹

扫码查看

作者信息

1. 广东工业大学自动化学院,广东广州 510006
折叠

摘要

深度学习目前依靠大数据和强算力取得了较大进展,但在样本受限情况下的表现差强人意,主要问题在于函数空间(簇)的建构和在数据集受限情况下算法的设计.据此,本文对受限样本下的深度学习进行了分类综述.另外,从目前对大脑的研究来看,人的认知过程在大脑中是分区域的,每个区域担负的功能是不同的,对每个区域功能的学习过程也应该是有差异的.因此,提出了"功能进阶"式的深度学习的设想,试图构建分区分层多种功能模块组成的网络结构,研究"进阶"式的功能模块训练方法,以期探求"仿人学习"的新路径.

关键词

深度学习方法/卷积神经网络/小样本学习/功能进阶

引用本文复制引用

基金项目

国家自然科学基金(U1501251)

国家自然科学基金(61802070)

国家自然科学基金(62103115)

出版年

2022

广东工业大学学报

广东工业大学

广东工业大学学报

影响因子：0.628

ISSN：1007-7162

被引量2

参考文献量2

段落导航