-
卷积神经网络建模
- 感受野
- 视网膜中的神经元只相应视野的受限区域中的光刺激
- 两个视网膜神经节细胞感受野的动物实验
- 通过局部相关性稀疏连接
- 过滤器：m层中隐藏单元的输入来自m-1层中具有空间连接的感受野的单元的子集
- 共享权重
- 每个过滤器都在整个视野中赋值。这些复制单元共享相同的权重不能够形成特征映射
- LeNet
- 卷积层
- 具有3*3过滤器的10*10输入图像产生8*8输出图像
- 下采样池化层
- 池化：将输入乳香划分为一组非重叠矩形，并且对每个这样的子区域，输出最大值或平均值
- 最大池化：
- 优点
- 减少计算
- 是一种获取给性兴趣区域响应最强烈的节点的方法
- 缺点
- 可能会导致准确的空间信息丢失
- 优点
- 感受野
-
使用案例
- 面部识别
- 数字识别
- 图像识别
- 文本分类