监督学习深度网络在学习训练过程中，数据的标签信息总能直接或者间接地得到，在此基础上依靠监督学习算法完成监督学习深度网络模型参数的调整和优化。具有代表性的监督学习深度网络模型包括深度神经网络（deep neural network; DNN）、卷积神经网络（convolutional neural network; CNN）、递归神经网络（recurrent neural network; RNN）、层级时域记忆模型（hierarchical temporal memory model; HTM）、时延神经网络（time-delay neural network; TDNN）和堆栈条件随机场（stacked conditional random field; SCRF）等。
首页
[{"ID":42423,"Name":"工学"},{"ID":88847,"Name":"控制科学与工程"},{"ID":223122,"Name":"智能控制"},{"ID":223123,"Name":"智能控制"},{"ID":223124,"Name":"模糊控制"},{"ID":223157,"Name":"可视分析"},{"ID":223158,"Name":"深度置信网络"}]
. 工学 . 控制科学与工程 . 智能控制 . 智能控制 . 模糊控制 . 可视分析 . 深度置信网络监督学习深度网络
/supervised learning deep network/
最后更新 2023-02-06
浏览 139次
深度学习中一类旨在刻画数据与其所属类别的条件后验概率之间联系，从而为模式分类任务提供判别能力保证的网络模型的统称。又称判别学习深度网络。
- 英文名称
- supervised learning deep network
- 又称
- 判别学习深度网络
- 所属学科
- 控制科学与工程
京公网安备 11010202008139号
