毕业论文课题相关文献综述
文 献 综 述深度学习[1]相比于传统机器学习需要人为提取特征更高效，会自动提取特征，此外，深度学习构建了神经网络系统深入挖掘数据特征从而得到了较之传统机器更加普遍适用的模型，自2012年以来，深度学习在语音识别和图像识别等领域获得了巨大的成功，栗科峰等人[2]提出一种融合深度学习与最大间距准则的人脸识别算法，此算法有效改善了人脸识别技术遇到的突出问题，比传统的分类算法具有更高的准确度。
深度学习还用于医学领域的图像识别，刘吉等人[3]使用深度学习方法对宫颈检查图像进行识别分类。
深度学习理论已成功应用于孤立词识别、音素识别、声韵母识别和大词汇量连续语音识别［4 ～7］近几年，深度学习也开始应用于股票[8-10]，证券等经济金融领域，由于经济金融领域数据量较大，但总体呈现出高度的复杂性和不确定性[11]，将深度学习应用于金融投资为金融投资的人们提供些许依据以更好了解该领域提供帮助。
一．国内外研究情况金融领域对计算机技术和互联网技术的依赖性日趋强烈，随着人工智能在金融领域的应用，区别于传统金融运营模式的智能投顾等金融服务和产品不断涌现，产生了新的金融模式［12］，金融科技的转变，在优化金融服务和产品的基础上，对其提供方式予以改进推动了金融行业发展。
智能投顾是指个人投资者提供风格偏好、收益目标和风险承受水平等要求，金融机构在展开一系 列智能运算的基础上，结合投资组合优化等理论模型，最终提供最符合用户要求的投资参考［13］，此种行为还能平衡市场动态对资产配置的影响［14］。
此外，人工智能在金融领域的应用还包括对数据库软件的安全测试和漏洞检 查，当前所采用的智能识别验证包括人脸识别、指纹识别、活体识别等，并且还包括了定位系统、 IP地址的识别等[15]二． 深度学习算法的研究1.人工神经网络人工神经网络是以大脑神经通过神经元为原型构建的算法，每个神经元代表一种输出函数，又称为激励函数。
神经元之间被给予一个权重连接起来，一个神经网络系统一般是由多层堆叠的神经元组成，输出因连接方式，激励函数，权重的不同而不同。
神经网络模型通常将节点分为多个层次，包括输入层，隐含层，输出层。
2.循环神经网络（RNN）循环神经网络又称递归神经网络，是一种静态模型，但在现实生活中输入输出之间并非相互独立，例如同声传译中由于一个单词具有多种含义，因此需要联系前后句来进行翻译才会使得语句通顺。
循环神经系统克服了传统神经网络的弊端。
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。
