深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

针对我国高炉的检测水平,采用人工神经网络的方法建立了一种用于铁水含硅量预报的神经网络模型。该模型具有良好的适应性和自学习功能

网络模型的讨论，本质上属于图论范畴 用途极其广泛（如：运输系统设计、信息系统 设计、项目计划管理等）、实用性强，是网络 模型的特征之一，其解法的特殊，也是值得关 注的地方 需要重点掌握：各种网络模型的算法

网络模型的讨论，本质上属于图论范畴 用途极其广泛（如：运输系统设计、信息系统 设计、项目计划管理等）、实用性强，是网络 模型的特征之一，其解法的特殊，也是值得关 注的地方 需要重点掌握：各种网络模型的算法

介绍网络模型和统筹模型

根据质量守恒定律，从固液分子力作用出发，结合岩心的孔喉分布特征，建立考虑固壁与流体分子作用的动态网络模型.利用模型模拟得到不同时间步的孔隙压力变化，分析了固液分子间力、喉道半径、润湿性等因素对剩余油饱和度分布和水驱相渗曲线的影响.研究结果表明，考虑固液分子间力作用时剩余油饱和度增大，岩石骨架与流体间的分子作用在多孔介质的孔隙流动中不可忽略

第一节长时记忆的类型 第二节层次网络模型和激活扩散模型

6.1 神经网络模型 6.2 反向传播多层前馈神经网络 6.3 其他神经网络 6.3.1遗传神经网络 6.3.2 径向基函数神经网络 6.3.3 概率神经网络PNN 6.3.4 竞争特征映射神经网络

图与网络的基本概念 最短路问题 最小生成树问题 最大流问题 最小费用最大流问题

《工程科学学报》：深度神经网络模型压缩综述（北京科技大学自动化学院）