为进一步挖掘国际深度学习领域的科研主题演化规律,为领域发展与科技决策提供参考,对Web of Science核心合集中与深度学习领域相关的文献进行主题演化分析,使用SciMAT探测14866篇文献的研究主题,揭示研究主题分布情况,并对演化历程进行可视化分析.研究结果表明,深度学习领域的研究日趋丰富,影响力较大的算法是卷积神经网络与机器学习,其他基础算法包括神经网络、特征提取和计算机视觉等;相关研究涉及生物医学、智慧城市、航空航天等行业,形成了特征提取、机器学习、迁移学习与遥感4类长期演化路径及8条短期演化路径;研究主题在不同区域之间存在一定的演化规律,一般由外围、专业类主题演化到重要、发展较好的引擎类主题,经过一段时间的发展最终趋于稳定,演化为基本类主题.
Research on the Evolution of Scientific Research Topics in the Field of International Deep Learning
国家科技期刊平台
NSTL
万方数据
维普
