卷积神经网络CNN学习笔记pdf_卷积神经网络pdf - CSDN文库

卷积神经网络

5星 · 超过95%的资源需积分: 33 69 浏览量更新于2023-03-16 评论 3 收藏 3.95MB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

CNN学习笔记学习笔记

个人整理的CNN学习笔记，所有素材均来自于互联网，版权归作者所有，感谢各位作者的无私分享。我个人仅作了整理便于学

习之用。

http://www.cnblogs.com/charleshuang/p/3651843.html

http://www.68idc.cn/help/buildlang/ask/20150705417730.html（CNN的背景介绍）

http://www.68idc.cn/help/mobilesys/other/20160516616446.html（全面的综合讲解）

先解释一下：什么是卷积？先解释一下：什么是卷积？

在泛函分析中，卷积、旋积或摺积(英语：Convolution)是通过两个函数f 和g 生成第三个函数的一种数学算子，表征函数f 与

g经过翻转和平移翻转和平移的重叠部分的面积。

如果将参加卷积的一个函数看作区间的指示函数，卷积还可以被看作是“滑动平均滑动平均”的推广。

卷积的基本内涵公式：

设:f(x),g(x)是R1上的两个可积函数，作积分：

上面公式继而解释为：

1.如果卷积的变量是序列x(n)和h(n)，则卷积的结果：

2.如果卷积的变量是函数x(t)和h(t)，则卷积的计算变为：

物理意义：加权叠加加权叠加

图示见这个网址： http://www.zhihu.com/question/22298352?rf=21686447

1.

2.

3.x[n]乘以y[n]的过程

（1）x[n]乘以y[0]并平移到位置0：

（2）x[n]乘以y[1]并平移到位置1：

（3）x[n]乘以y[2]并平移到位置2：

（4）最后把上面三个图叠加，就得到了x[n]乘以y[n]：

重复一遍，这就是卷积的意义：加权叠加。重复一遍，这就是卷积的意义：加权叠加。

1.概述概述

CNN有两点：非全连接、权重共享

非全连接非全连接：并不是所有上、下层的神经元都直接相连

权重共享权重共享：同一层中某些神经元之间的连接权重是共享的（即相同的），降低了复杂度。

2.CNN结构结构

特征提取：提取局部特征局部特征。一旦一个特征被提取出来，只要它相对于其他特征的位置被近似地保留下来，它的精确位置就

变得没有那么重要了。

特征映射：网络的每一个计算层都是由多个特征映射组成多个特征映射组成的，每个特征映射都是平面形式的。平面中单独的神经元在约束

下共享相同的突触权值集共享相同的突触权值集，这种结构形式具有如下的有益效果：a.平移不变性。b.自由参数数量的缩减(通过权值共享实

现)。

子抽样：每个卷积层跟着一个实现局部平均和子抽样的计算层，由此特征映射的分辨率降低。这种操作具有使特征映射的

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余6页未读，立即下载

评论7

zsneok

2017-10-02

非常好。不错不错。

AOEYWV

粉丝: 15
资源: 9

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈