基于深度神经网络的少样本学习综述

由于国内外在短期负荷预测方面研究的侧重点不同，通常可划分为定量预测技术和定性的预测两种，利用定性预测技术得出的预测结果是一个具有方向性的结论，而定量的预测技术主要是通过分析负荷和影响因素之间关系，建立

自动调制识别在认知无线电、智能解调器、电子侦察等各种民用及军事应用中扮演重要角色。自动调制识别属于分类问题,常见的方法有KNN、DT、SVM、CNN。为了提高自动调制识别的准确度,基于GNU Radi

伪装人脸识别在刑侦安防领域有着巨大的应用价值。针对现阶段对伪装人脸识别的研究较少、算法鲁棒性不强等缺点,提出了基于深度神经网络的伪装人脸识别算法。改进了SqueezeNet网络模型,并将其与FaceN

深度学习前馈神经网络是机器学习中的重要内容，可以应用于图像识别、语音识别、自然语言处理等多个领域。 它是一种基于前向传播算法的神经网络，通过对神经元的输入和输出值进行训练，可以不断优化网络的精度和准确

循环神经网络(RNN)是一类非常强大的用于处理和预测序列数据的神经网络模型。循环结构的神经网络克服了传统机器学习方法对输入和输出数据的许多限制,使其成为深度学习领域中一类非常重要的模型。RNN及其变体

很不错的最新介绍深度学习的文献，仅供大家参考，希望更多的深学爱好者上传分享，谢谢！

递归神经网络（RNN）经过充分的发展，已经出现了数千上万种变形，该作者对比大量的RNN结构，发现了若干在特定领域表现优于LSTM的网络结构。

作为一个十余年来快速发展的崭新领域，深度学习受到了越来越多研究者的关注，它在特征提取和建模上都有着相较于浅层模型显然的优势．深度学习善于从原始输入数据中挖掘越来越抽象的特征表示，而这些表示具有良好的泛

.

本文对2019年10月更新的CNN综述文章A Survey of the Recent Architectures of Deep Convolutional Neural Networks进行了翻译