| 作者 | 任长娥，袁超，孙彦丽，刘竹琳，陈俊龙 |
| 机构 | 首都师范大学 信息工程学院;华南理工大学 计算机科学与工程学院 |
| 统计 | 摘要被查看 … 次，已被下载 … 次 |
| 摘要 | 当数据规模庞大时，深度学习模型会遇到权重调整耗时，容易陷入局部最优解的问题。为了解决这些问题，宽度学习系统应运而生。宽度学习系统不仅结构简单、训练速度快、准确率高，而且还具有增量学习的优势。首先，介绍了宽度学习系统的产生背景和发展历程；然后阐述了宽度学习系统的基础理论与实现方法，对比了它与深度网络的异同；随后介绍了宽度学习系统在图像分类、数值回归、脑电信号处理等应用中的改进算法，分析这些算法的优势和不足；最后总结了现有宽度学习算法存在的缺陷，并对未来研究方向进行了展望。 |
| 关键词 | 宽度学习系统；神经网络；深度学习；图像分类；增量学习 |
| 基金项目 | 国家自然科学基金资助项目(61803276,61751202和U1813203)
北京市教育委员会科技计划一般项目(KM201910028004)
北京市自然科学基金资助项目(4202011)
澳门科技发展基金委(079/2017/A2、024/2015/AMJ、0119/2018/A3) |
| 本文URL | http://www.arocmag.com/article/02-2021-08-002.html |