亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        國內(nèi)深度學(xué)習(xí)領(lǐng)域研究進展與熱點分析
        ——基于CiteSpace 與VOSviewer 的綜合應(yīng)用

        2021-02-04 06:54:02
        軟件導(dǎo)刊 2021年1期
        關(guān)鍵詞:熱點圖譜聚類

        (山東科技大學(xué)計算機科學(xué)與工程學(xué)院,山東青島 266590)

        0 引言

        2016 年,谷歌Alpha Go 在世界圍棋競賽中戰(zhàn)勝專業(yè)棋手,引發(fā)人們對人工智能的激烈探討,同年,“人工智能”一詞寫入中國“十三五”規(guī)劃綱要,各大互聯(lián)網(wǎng)公司也紛紛加大對人工智能領(lǐng)域的投入,自此人工智能進入高速發(fā)展階段。深度學(xué)習(xí)是人工智能的重點研究領(lǐng)域之一,其原理是建立模型模擬人類大腦神經(jīng)結(jié)構(gòu),主要涉及神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用[1]。1958 年,第一代神經(jīng)網(wǎng)絡(luò)單層感知器由Rosenblatt[2]提出,在此后的近半個世紀(jì)中,由于相關(guān)技術(shù)的落后,尤其在各種淺層機器學(xué)習(xí)模型相繼被提出后,神經(jīng)網(wǎng)絡(luò)的研究被擱置[3]。2006 年,Hinton 等[4-5]對神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)高維度以及梯度消失等問題展開研究,此后深度學(xué)習(xí)進入快速發(fā)展期。近年來,深度學(xué)習(xí)引起越來越多人的關(guān)注,該領(lǐng)域論文發(fā)表量逐年增加,研究人員難以從眾多文獻中把握領(lǐng)域研究熱點及前沿。因此,對國內(nèi)深度學(xué)習(xí)領(lǐng)域研究熱點及前沿進行分析,以期為研究人員的深度學(xué)習(xí)理論及具體應(yīng)用研究提供參考。

        在國內(nèi)深度學(xué)習(xí)研究領(lǐng)域,研究人員從深度學(xué)習(xí)主流模型及其應(yīng)用入手,論述了深度學(xué)習(xí)研究進展及未來發(fā)展方向。如孫志軍等[6]論述深度學(xué)習(xí)的興起淵源,介紹了主流學(xué)習(xí)算法及應(yīng)用現(xiàn)狀;尹寶才等[1]依據(jù)數(shù)據(jù)流向?qū)哂写硇缘纳疃葘W(xué)習(xí)算法進行歸納總結(jié),具體論述了各種深度網(wǎng)絡(luò)的結(jié)構(gòu)及特點;張軍陽等[7]梳理深度學(xué)習(xí)模型架構(gòu)及優(yōu)化技巧,對比分析主流的深度學(xué)習(xí)軟件工具及硬件加速技術(shù);譚笑楓等[8]在簡述深度學(xué)習(xí)研究歷史的基礎(chǔ)上,重點介紹了卷積神經(jīng)網(wǎng)絡(luò)等經(jīng)典算法及其應(yīng)用;張海等[9]利用2006-2019 年WOS 數(shù)據(jù)庫中深度學(xué)習(xí)領(lǐng)域的計算機和教育相關(guān)研究文獻進行知識圖譜分析,提出深度學(xué)習(xí)的3個主要研究熱點。本文旨在綜合運用CiteSpace 和VOS?viewer 軟件對2005-2019 年國內(nèi)深度學(xué)習(xí)領(lǐng)域期刊文獻進行知識圖譜分析,以得到深度學(xué)習(xí)領(lǐng)域研究熱點與前沿,使研究人員能更好地了解當(dāng)前國內(nèi)深度學(xué)習(xí)領(lǐng)域發(fā)展?fàn)顩r,并把握未來發(fā)展方向。

        1 數(shù)據(jù)來源與研究方法

        1.1 數(shù)據(jù)來源

        本文采用的數(shù)據(jù)來源為中國知網(wǎng)(CNKI)期刊庫,在“高級檢索”中按以下條件進行文獻搜索,選擇“期刊”文獻,主題為“深度學(xué)習(xí)”,檢索時間段為2005-2019 年,期刊來源類別設(shè)置為“核心期刊”。檢索時間為2020 年5 月12日,共檢索得到4 643 條文獻。手動對文獻進行篩選,剔除與研究主題無關(guān)的文獻及重復(fù)文獻,最終得到4 633 條文獻。將文獻下載保存為refworks 文獻題錄格式,并以down?load_x.txt 格式保存為文本文檔,分別導(dǎo)入CiteSpace 和VOSviewer 軟件進行數(shù)據(jù)分析。

        1.2 研究方法

        在科學(xué)計量領(lǐng)域,CiteSpace 和VOSviewer 是兩種被研究人員廣泛使用的可視化軟件。CiteSpace 是由美國德雷賽爾大學(xué)計算與信息學(xué)院陳超美[10]開發(fā)的文獻可視化軟件,VOSviewer 是由荷蘭萊頓大學(xué)科學(xué)技術(shù)研究中心的Van 等[11]開發(fā)的文獻可視化軟件,兩者都是基于Java 環(huán)境的免費軟件,具有操作簡便、功能強大等優(yōu)點[12]。同時,兩者又各有特點,CiteSpace 是通過年輪圖表示各主題之間的聯(lián)系強弱,其中年輪大小表示研究主題的研究頻次,連線粗細表示研究主題之間的關(guān)聯(lián)強弱;VOSviewer 主要是以距離、密度情況表示聚類關(guān)系,可以清晰顯示各聚類簇中的關(guān)鍵詞[13]。

        關(guān)鍵詞是對文獻的核心概括,能囊括文獻的研究方向及研究重點。本文綜合運用CiteSpace5.6 和VOSviewer 對深度學(xué)習(xí)相關(guān)文獻中的關(guān)鍵詞進行可視化分析,以得到國內(nèi)深度學(xué)習(xí)研究進展、研究熱點及前沿趨勢。將下載的文獻題錄導(dǎo)入CiteSpace 軟件進行格式轉(zhuǎn)換、文獻去重,設(shè)置時間切片為1,節(jié)點(Node Types)選擇關(guān)鍵詞(Keyword),閾值設(shè)置為TOP50,剪切方式選擇路徑搜索算法(Pathfind?er),以及路徑網(wǎng)絡(luò)簡化(Pruning Sliced Networks)和合并網(wǎng)絡(luò)簡化(Pruning the Merged Network),分別繪制關(guān)鍵詞時區(qū)視圖和關(guān)鍵詞共現(xiàn)圖譜。同樣將文獻數(shù)據(jù)導(dǎo)入VOSviewer軟件中,設(shè)置單個關(guān)鍵詞最少出現(xiàn)次數(shù)為25 次,得到114個關(guān)鍵詞,生成關(guān)鍵詞共現(xiàn)權(quán)重視圖,以展示關(guān)鍵詞之間的聚類關(guān)系。

        2 研究結(jié)果與綜合分析

        2.1 關(guān)鍵詞時區(qū)圖譜分析

        通過對關(guān)鍵詞進行聚類分析,可得到深度學(xué)習(xí)領(lǐng)域的研究主題情況。為清晰得到深度學(xué)習(xí)領(lǐng)域各研究主題出現(xiàn)時間及演進過程,將關(guān)鍵詞共現(xiàn)圖譜按照時間進行排布,生成關(guān)鍵詞時區(qū)圖譜(Time Zone),從而得到各時間段內(nèi)熱點主題分布情況。如圖1 所示,在關(guān)鍵詞時區(qū)圖譜中,每一個縱軸對應(yīng)一個時間段,關(guān)鍵詞所在時間軸為該關(guān)鍵詞首次出現(xiàn)時間,關(guān)鍵詞節(jié)點大小代表該關(guān)鍵詞出現(xiàn)頻次高低,關(guān)鍵詞之間連線代表兩個關(guān)鍵詞共同出現(xiàn)的情況。

        Fig.1 Keyword time zone map based on CiteSpace圖1 基于CiteSpace 的關(guān)鍵詞時區(qū)圖譜

        由圖1 可知,深度學(xué)習(xí)領(lǐng)域的研究主題逐年增多,且不斷演變,可大致將其劃分為以下兩個階段:

        (1)2005-2014 年,該階段研究主題比較分散,各關(guān)鍵詞出現(xiàn)頻次較低,以至于看似是一段空白時期,說明該階段對深度學(xué)習(xí)的研究較少且分散,未形成較為集中的研究主題。

        (2)2014 年至今,是研究主題的主要增長階段。在此階段,通過卷積神經(jīng)網(wǎng)絡(luò)、計算機視覺、圖像處理、圖像分類等高頻關(guān)鍵詞,可知卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺領(lǐng)域的相關(guān)應(yīng)用最早受到研究人員關(guān)注,特征提取、機器學(xué)習(xí)和支持向量機等高頻關(guān)鍵詞表明機器學(xué)習(xí)及其相關(guān)模型也是研究熱點。隨后研究人員開始探索深度學(xué)習(xí)模型在故障診斷方面的應(yīng)用,同時開始研究利用遷移學(xué)習(xí)解決深度學(xué)習(xí)模型訓(xùn)練用時長、需要大量數(shù)據(jù)、對計算機硬件要求高等問題。循環(huán)神經(jīng)網(wǎng)絡(luò)等高頻詞的出現(xiàn)說明深度學(xué)習(xí)模型開始應(yīng)用于自然語言處理領(lǐng)域。2014 年至今,各時間段研究主題之間連線密集,說明深度學(xué)習(xí)領(lǐng)域各研究主題關(guān)聯(lián)密切,深度學(xué)習(xí)模型在不斷創(chuàng)新改進,應(yīng)用領(lǐng)域也逐漸細化。

        2.2 突變詞檢測圖譜分析

        突變詞檢測用于檢測在某些年份出現(xiàn)頻次驟增的詞語,無論是高頻詞或低頻詞,頻次增長率在某些年份突然增加的關(guān)鍵詞更有可能體現(xiàn)領(lǐng)域局部熱點變化,可代表該領(lǐng)域研究前沿[14]。本文利用CiteSpace 軟件中的突變算法對2005-2019 年深度學(xué)習(xí)領(lǐng)域關(guān)鍵詞進行突變檢測,選擇根據(jù)突變詞年代分布對24 個突變關(guān)鍵詞進行排序,如圖2所示。其中,Strength 列表示關(guān)鍵詞突變強度,強度越大,表示該關(guān)鍵詞在突變時間段內(nèi)出現(xiàn)頻次越高,Begin 和End列分別代表關(guān)鍵詞突變的開始及結(jié)束時間,其形成的時間段為該關(guān)鍵詞成為熱點前沿的時間。

        Fig.2 CiteSpace-based mutation word detection map圖2 基于CiteSpace 的突變詞檢測圖譜

        與圖1 中顯示的2015 年以來深度學(xué)習(xí)模型在圖像處理、目標(biāo)檢測及故障診斷等方面的廣泛應(yīng)用相對應(yīng),圖2具體顯示應(yīng)用中涉及到哪些關(guān)鍵技術(shù)為當(dāng)年研究前沿。稀疏編碼、受限玻爾茲曼機和稀疏表示主要應(yīng)用于圖像處理領(lǐng)域。人類視覺信息處理系統(tǒng)可看作一種高效的圖像處理系統(tǒng)[15],其采用稀疏編碼策略,因此改進受限玻爾茲曼機使其能學(xué)習(xí)輸入信號的稀疏表示,從而可將其更有效地應(yīng)用于圖像處理中。粒子濾波是應(yīng)用于目標(biāo)檢測跟蹤的主要算法,針對粒子濾波算法存在的問題提出各種改進方法,有利于提高目標(biāo)檢測跟蹤精度與實時性。深度置信網(wǎng)絡(luò)是用于故障診斷的主要模型,也廣泛應(yīng)用于人臉識別、語音識別、圖像識別等領(lǐng)域,至今仍是深度學(xué)習(xí)領(lǐng)域的研究熱點。

        2.3 關(guān)鍵詞共現(xiàn)權(quán)重圖譜分析

        在關(guān)鍵詞共現(xiàn)聚類方面,相較于CiteSpace 軟件利用節(jié)點大小顯示領(lǐng)域內(nèi)研究主題熱點,VOSviewer 軟件還可清晰展示出領(lǐng)域內(nèi)各聚類簇中的關(guān)鍵詞。本文利用VOS?viewer 軟件,選擇出現(xiàn)頻次(Occurrences)繪制深度學(xué)習(xí)領(lǐng)域的關(guān)鍵詞共現(xiàn)權(quán)重圖譜,關(guān)鍵詞出現(xiàn)頻次越高,關(guān)鍵詞節(jié)點越大,如圖3 所示。

        Fig.3 Keyword co-occurrence weight map based on VOSviewer圖3 基于VOSviewer 的關(guān)鍵詞共現(xiàn)權(quán)重圖譜

        圖3 中將114 個關(guān)鍵詞分為8 個聚類簇,具體特點如下:

        (1)聚類1 中有23 個關(guān)鍵詞,如圖中紅色關(guān)鍵詞所示,主要包括故障診斷、無監(jiān)督學(xué)習(xí)、深度信念網(wǎng)絡(luò)等,可看出此聚類中主要涉及到深度學(xué)習(xí)模型在故障診斷等方面的應(yīng)用,以及所需的關(guān)鍵技術(shù)。

        (2)聚類2 中有19 個關(guān)鍵詞,如圖中綠色關(guān)鍵詞所示,主要包括詞向量、循環(huán)神經(jīng)網(wǎng)絡(luò)、注意力機制、自然語言處理等,該聚類包括深度學(xué)習(xí)模型在自然語言處理任務(wù)中的應(yīng)用及相關(guān)算法。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種用于處理序列數(shù)據(jù)的有效模型,廣泛應(yīng)用于自然語言處理領(lǐng)域的情感分析、文本分類、推薦系統(tǒng)等。

        (3)聚類3 中有16 個關(guān)鍵詞,如圖中深藍色關(guān)鍵詞所示,主要包括計算機視覺、目標(biāo)檢測、目標(biāo)識別等,該聚類主要為深度學(xué)習(xí)模型在計算機視覺領(lǐng)域的應(yīng)用。

        (4)聚類4 和聚類5 中各有15 個關(guān)鍵詞,如圖3 中黃色、紫色關(guān)鍵詞所示,主要包括卷積神經(jīng)網(wǎng)絡(luò)、語義分割、人工智能、機器學(xué)習(xí)等。聚類4 和聚類5 分別展示了卷積神經(jīng)網(wǎng)絡(luò)在圖像處理及人工智能等方面的應(yīng)用。

        (5)聚類6 中有11 個關(guān)鍵詞,如圖中淺藍色關(guān)鍵詞所示,主要包括圖像處理、殘差網(wǎng)絡(luò)等。殘差網(wǎng)絡(luò)通過捷徑連接的結(jié)構(gòu)改變了普通直連的神經(jīng)網(wǎng)絡(luò)層數(shù)過深導(dǎo)致的梯度消失問題,多用于圖像處理領(lǐng)域,該聚類為深度學(xué)習(xí)模型在圖像處理方面的應(yīng)用及其關(guān)鍵技術(shù)[16]。

        (6)聚類7、聚類8 分別有8 個和7 個關(guān)鍵詞,如圖中橙色、褐色關(guān)鍵詞所示,主要包括模式識別、圖像識別等,這兩個聚類主要展示了深度學(xué)習(xí)模型在分類識別問題中的應(yīng)用。

        3 總結(jié)與展望

        本文對國內(nèi)2005-2019 年深度學(xué)習(xí)領(lǐng)域核心期刊文獻的關(guān)鍵詞進行知識圖譜分析,分別利用CiteSpace 和VOSviewer 軟件繪制關(guān)鍵詞時區(qū)圖譜、突變詞檢測圖譜和關(guān)鍵詞共現(xiàn)權(quán)重圖譜,并通過對各圖譜的分析得出深度學(xué)習(xí)領(lǐng)域研究進展及研究熱點。從關(guān)鍵詞時區(qū)圖譜和關(guān)鍵詞共現(xiàn)權(quán)重圖譜中可以看出,深度學(xué)習(xí)領(lǐng)域研究主要集中在2014 年至今,卷積神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用是研究熱點,其最早應(yīng)用于計算機視覺領(lǐng)域,隨后應(yīng)用于圖像處理及目標(biāo)檢測等相關(guān)領(lǐng)域。此外,循環(huán)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用也逐漸成為研究熱點。突變詞檢測圖譜檢測到深度學(xué)習(xí)領(lǐng)域研究重點在深度學(xué)習(xí)模型創(chuàng)新改進方面,其中深度置信網(wǎng)絡(luò)應(yīng)用廣泛,至今仍是該領(lǐng)域研究熱點。

        總體而言,深度學(xué)習(xí)模型的理論研究尚待完善,各相關(guān)具體應(yīng)用也處于探索研究階段。本文還存在一定局限性,如用于研究熱點分析的2005-2019 年期刊文獻數(shù)據(jù)量偏少,軟件相關(guān)參數(shù)還有待進一步調(diào)優(yōu)等。本文僅利用文獻關(guān)鍵詞進行研究熱點前沿分析,后續(xù)研究將進行文獻引用情況等其它相關(guān)分析,以增強結(jié)論的可靠性。

        猜你喜歡
        熱點圖譜聚類
        熱點
        繪一張成長圖譜
        熱點
        車迷(2019年10期)2019-06-24 05:43:28
        結(jié)合熱點做演講
        快樂語文(2018年7期)2018-05-25 02:32:00
        基于DBSACN聚類算法的XML文檔聚類
        電子測試(2017年15期)2017-12-18 07:19:27
        補腎強身片UPLC指紋圖譜
        中成藥(2017年3期)2017-05-17 06:09:01
        主動對接你思維的知識圖譜
        基于改進的遺傳算法的模糊聚類算法
        一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
        熱點
        中國記者(2014年6期)2014-03-01 01:39:53
        久久成人成狠狠爱综合网| av中文字幕少妇人妻| 久久精品熟女亚洲av艳妇| 中文字幕亚洲无线码在一区| 日本国产一区二区三区在线观看| 亚洲一二三四五中文字幕| 国产乱人伦av在线麻豆a| 97久久人人超碰超碰窝窝| 日本一本久道| 农村国产毛片一区二区三区女| 精品一区二区在线观看免费视频| 亚洲av无码成人网站在线观看| 久久成人麻豆午夜电影| 国产熟女av一区二区三区四季| 国产精品亚洲精品一区二区| 色狠狠色噜噜av天堂一区| 大地资源网更新免费播放视频| 亚洲一级av大片在线观看| 黄射视频在线观看免费| 成l人在线观看线路1| 国产欧美一区二区成人影院| 免费看男女啪啪的视频网站| 国产一级内射视频在线观看| аⅴ资源天堂资源库在线| 国产免费播放一区二区| 亚洲精品中文字幕熟女| 国产毛多水多高潮高清| 丰满爆乳一区二区三区| 无码啪啪熟妇人妻区| 女同三级伦理在线观看| 国产乱国产乱老熟300部视频| 国产综合自拍| 国产三级一区二区三区在线观看| 国产精品久久久久久人妻无| 波多野吉衣av无码| 国产视频精品一区白白色| 国产一区二区长腿丝袜高跟鞋| 国产免费人成视频在线观看| 国产精品99精品一区二区三区∴| 丝袜美腿在线播放一区二区| 黑人巨茎大战俄罗斯美女|