计算机应用研究

作者：任长娥,袁超,孙彦丽,刘竹琳,陈俊龙,

单位：1.首都师范大学信息工程学院,北京100048；2.华南理工大学计算机科学与工程学院,广州510006；

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：国家自然科学基金项目(61803276,61751202,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项目(4202011)；澳门科技发展基金委项目(079/2017/A2,024/2015/AMJ,0119/2018/A3)；；

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。介绍了宽度学习系统的产生背景和发展历程，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；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，分析了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。

来源：2021年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第8期