神经网络特征选择的发展历程和热点
时间: 2023-03-09 09:11:28 浏览: 75
神经网络特征选择的发展历程和热点一直是研究者们关注的焦点。近年来,神经网络特征选择的研究越来越受到重视,并取得了许多重要的进展。特征选择的热点主要集中在自动特征选择,特征融合,特征多样性,特征可解释性等研究方面。
相关问题
BP神经网络发展历程
BP神经网络是一种常见的人工神经网络,其发展历程如下:
1. 1943年,心理学家McCulloch和数学家Pitts提出了第一个神经元模型,即MP神经元模型。
2. 1958年,Rosenblatt提出了感知器模型,是一种最简单的前馈神经网络,只有输入层和输出层,用于二分类问题。
3. 1969年,Minsky和Papert发表了《Perceptrons》,证明了单层感知器无法解决异或问题,导致神经网络的发展陷入低谷。
4. 1986年,Rumelhart和Hinton等人提出了BP算法,可以训练多层前馈神经网络,解决了单层感知器无法解决的问题,使得神经网络的发展重新兴起。
5. 1990年代,随着计算机性能的提高和神经网络算法的不断改进,神经网络在图像识别、语音识别、自然语言处理等领域取得了很大的成功。
6. 2000年代以后,随着深度学习的兴起,神经网络的深度不断增加,出现了卷积神经网络、循环神经网络等新的网络结构,神经网络在各个领域的应用越来越广泛。
卷积神经网络发展历程
卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习模型,主要用于图像识别和计算机视觉任务。下面是卷积神经网络的发展历程:
1. 1980年代:提出了最早的卷积神经网络概念。Yann LeCun等人在1989年提出了LeNet-5模型,用于手写数字识别。
2. 1990年代:卷积神经网络开始在字符识别和语音识别等领域得到应用。但由于计算资源有限,发展进展缓慢。
3. 2012年:AlexNet模型的出现引发了卷积神经网络的重大突破。AlexNet在ImageNet图像分类竞赛中取得了显著的优势,使得卷积神经网络开始受到广泛关注。
4. 2014年:VGGNet模型提出了更深的网络结构,通过增加网络层数来提高性能。VGGNet在ImageNet竞赛中取得了很好的成绩。
5. 2015年:GoogLeNet(Inception)模型提出了Inception结构,通过并行多个不同尺寸的卷积核来提高网络的表达能力。GoogLeNet在ImageNet竞赛中取得了较好的结果。
6. 2015年:ResNet模型提出了残差学习的概念,通过引入跳跃连接来解决深层网络训练中的梯度消失问题。ResNet在ImageNet竞赛中取得了非常好的成绩。
7. 2017年:卷积神经网络开始应用于更广泛的领域,如目标检测、图像分割和人脸识别等。
8. 2018年至今:卷积神经网络在各个领域持续发展,不断涌现出新的模型和技术,如MobileNet、EfficientNet等。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)