基于協(xié)同學的深度協(xié)同神經網絡研究與應用.pdf

1、深度學習是當今科學技術領域最熱門的話題之一，也是人工智能領域最為成功和有效的思想方法，基于深度學習理論的研究和應用也層出不窮。然而隨著對深度學習領域研究的深入，深度學習領域所暴露出來的計算成本過高和訓練成本過高等問題也亟待解決。本文主要研究基于協(xié)同學原理構建的深度協(xié)同神經網絡是一種全新的深度學習網絡模型，能夠有效的減小傳統(tǒng)深度學習中計算成本過高和訓練成本過高等問題。本文的主要內容為：
　　首先，介紹了協(xié)同學理論的基本思想、數學模型

2、和相關重要概念。接著介紹了基于協(xié)同學理論的一類全新的神經網絡模型：協(xié)同神經網絡。闡述了協(xié)同神經網絡的數學模型、結構模型和運行流程，并介紹了協(xié)同神經網絡的幾種基本算法：基于PFR模型的分類器算法、基于PFAP的分類器算法、SCAP算法和SCAPAP算法。詳盡的說明了協(xié)同學和協(xié)同神經網絡的各項特性。
　　其次，介紹了目前傳統(tǒng)的幾種深度神經網絡模型：卷積神經網絡和深度信念網絡，并分別介紹了他們的模型結構和運行過程。以協(xié)同學原理和傳統(tǒng)深度

3、神經網絡的模型結構為基礎構建深度協(xié)同神經網絡，并詳細描述了深度協(xié)同神經網絡的模型結構、運行過程和算法步驟。為后續(xù)深度協(xié)同神經網絡的研究與應用提供了充分的理論支持。
　　最后，基于上述深度協(xié)同神經網絡的模型，設計了在不同樣本庫下深度協(xié)同神經網絡的各項性能實驗，同時也將深度協(xié)同神經網絡與傳統(tǒng)的卷積神經網絡和深度信念網絡在相同樣本庫下進行實驗測試，縱向對比它們的各項性能特點。綜合實驗結果表明深度協(xié)同神經網絡不僅在識別效果上有不錯的表現，