卷积神经网络经典模型

卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习型，主要用于图像识别、语音识别等领域。其中经典的卷积神经网络模型包括LeNet-5和AlexNet。

LeNet-5是一种用于手写体字符识别的非常高效的卷积神经网络。卷积神经网络能够很好的利用图像的结构信息。卷积层的参数较少，这也是由卷积层的主要特性即局部连接和共享权重所决定。

AlexNet是一种用于图像分类的卷积神经网络，它在2012年的ImageNet大规模视觉识别挑战赛中获得了冠军。AlexNet引入Dropout主要是为了防止过拟合。在神经网络中Dropout通过修改神经网络本身结构来实现，对于某一层的神经元，通过定义的概率将神经元置为0，这个神经元就不参与前向和后向传播，就如同在网络中被删除了一样，同时保持输入层与输出层神经元的个数不变，然后按照神经网络的学习方法进行参数更新。

除了LeNet-5和AlexNet，还有很多其他的经典卷积神经网络模型，例如VGG、GoogLeNet、ResNet等。