全文总字数：4044字
文献综述
一、选题背景近70年，神经网络算法从最初的只有一个神经元的感知机，发展到包含一个隐藏层的多层感知机，再到现在的深度神经网络。
在这个发展的过程中，神经网络的层数和规模在不断的增长。
最早的感知机模型只有一个神经元，没有隐藏层，只有输入和输出，甚至没有复杂的激活函数，因此无法解决非线性可分的问题。
为突破感知机的限制，人们提出了具有一个或者多个隐藏层的多层感知机。
多层感知机的隐藏层通常有几十个神经元。
而深度神经网络可能有数百或者上千层，每一层可能有几十万个神经元，突触的数量则更多。
大规模的深度神经网络可能有几十亿甚至上百亿的突触。
深度神经网络已经被证明在包括图像分类[1-3]、目标检测[4-6]和自然语言处理[7]等任务上能够取得相当不错的效果。
而随着其层数和神经元数量以及突触的不断增长，CPU和GPU等传统芯片已经很难满足神经网络增长的速度和需求。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
