暂无评论
过去几年,卷积神经网络因其强大的建模能力引起广泛关注,在自然语言处理、图像识别等领域成功应用。然而,传统的卷积神经网络只能处理欧氏空间数据,而现实生活中的许多场景,如交通网络、社交网络、引用网络等,都
自己写的关于分布式数据库的总结，这是我们学期末的报告论文。里面具体内容包括分布式数据库的基本介绍，框架结构、查询和存储优化、事务管理和并发等等。
本综述将基于深度学习的医学和非医学图像分割解决方案分为六大组:深度架构、基于数据合成、基于损失函数、排序模型、弱监督和多任务方法，并对每一组的贡献进行全面综述。然后，针对每一组，我们分析了每一组的不同
深度学习（Deep Learning)被《麻省理工学院技术评论》杂志列为2013年十大突破性技术之首。 自2006年以来，深度学习在学术界持续升温。 但目前系统性地介绍 深度学习 技术的资料相对较少。
本研究试图为基于DL的应用程序异常检测的研究提供一个结构化的、全面的综述。我们根据现有技术的基本假设和采用的方法为它们提供了一个分类。我们讨论了每个类别中的各种技术，并提供了这些方法的相对优势和劣势。
现代机器学习擅长于从固定的数据集和固定的环境中训练出强大的模型,常常超过人类的能力。然而,这些模型未能模拟人类的学习过程,而人类的学习过程是有效的、稳健的,并且能够从非平稳世界的连续经验中逐步学习。
本文章从深度神经网络(DNN)入手,对深度学习(DL)领域的研究进展进行了简要的综述。内容包括:卷积神经网络(CNN)、循环神经网络(RNN)、长时记忆(LSTM)和门控递归单元(GRU)、自动编码器
我们回顾了最近的工作，其中物理分析方法植根于统计力学已经开始提供这些问题的概念上的见解。这些见解产生了深度学习与各种物理和数学主题之间的联系，包括随机景观、旋转玻璃、干扰、动态相变、混沌、黎曼几何、随
深度半监督学习是一个快速发展的领域,具有一系列的实际应用。本文从模型设计和无监督损失函数的角度对深度半监督学习方法的基本原理和最新进展进行了全面的综述。
参考文献的综述论文，适合写课程论文的同学参考，会提供一些帮助
暂无评论