文献综述
【摘要】深度神经网络（DNNs）如今广泛应用于人工智能的各个应用，如计算机视觉，语音识别。它的高准确率的代价是它极高的计算复杂度。因此，如何有效的处理DNNs以提高能源效率和吞吐量至关重要。此次毕业设计中就是对其计算并行性和能耗进行优化。
【关键词】深度神经网络；卷积神经网络；空间架构；并行计算
1 引言
深度神经网络是目前很多人工智能[1]的基础，它被广泛应用于各个领域，如语音识别[2]，图像识别[3]，无人驾驶[4]等领域。它的准确率甚至比人类要高。它会对大量数据进行统计学习，然后从输入中提取高级特征。DNNs的高准确率来源于它极高的计算复杂性。本文会对DNNs的一些基本原理和优化的方法做出介绍。
2 DNNs的背景
A 人工智能与DNNs
深度神经网络也叫深度学习，是人工智能的一部分，人工智能在1959年被John McCarthy定义为创造出能具备人类智能的机器的科学。深度学习与人工智能的关系如图（1）所示
图（1）深度学习与人工智能的关系
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。
