9.9 总结与展望

本文对哈希学习的研究进展和发展趋势进行了简要介绍。 可以看出 , 哈希学习虽然已被广泛关注并在某些应用领域取得了初步成效，但仍然存在很多具有挑战性的问题需要进一步研究和探索。另外，怎样将哈希学习的思想和方法拓展到新的学习场景和应用领域 , 用来解决传统方法在遇到大数据时不能解决的问题 , 将是非常有意义的工作。 例如，很多深度神经网络的参数规模往往很大，在实际应用（尤其是面向移动终端的应用）中需要的存储和计算开销都太大，将哈希学习的思想引入到深度神经网络的学习过程中，用来学习具有二进制参数的深度神经网络，可以显著提高深度神经网络的效率。此外，大数据机器学习中的另一重要研究方向是基于多机集群的分布式机器学习[12] , 而很多分布式机器学习的瓶颈在于节点间的通信开销。 因此 , 将哈希学习引入到分布式机器学习算法 , 并验证哈希学习在减小通信开销方面的有效性 , 也是非常有意义的研究方向。