随着深度互联网时代到来,大数据所蕴含的巨大科学、经济价值逐渐凸显。然而其数据分析方法却存在较高技术壁垒,想要发掘出大数据的价值空间,需要摒弃传统方案,采用新的分析方法。深度神经网络算法采用仿生学习算法整合庞大的异构数据,支持多源信息筛选,可实现时序动态捕捉,从而搭建起大数据转化为价值信息的桥梁。文中着重分析“大数据+神经网络”的深度学习算法在非结构化、模式多变的大数据群中的特征提取模式;并基于无限神经网络的前馈式连接方法,耦合时间参数进行更精确的特征提取与数据预测。最后对其在语音识别和图像分析中的应用进行实例测试,数据结果表明:无限神经网络在数据处理中具备更为强大的计算效率和性能优势。
1