机器学习笔记二十二 卷积神经网络
来源:互联网 发布:九之濑遥cos淘宝全套 编辑:程序博客网 时间:2024/05/19 03:43
一、 概念
卷积神经网络是一种前馈神经网络,人工神经元可以响应周围单元,可以进行图像处理。
卷积神经网络(Convolutional Neural Network,CNN)包括卷积层(alternating convolutional ayer)和池层(pooling layer)。
一般地,CNN的基本结构包括两层,其一为特征提取层,每个神经元的输入与前一层的局部接受域相连,并提取该局部的特征。一旦该局部特征被提取后,它与其它特征间的位置关系也随之确定下来。
其二是特征映射层,网络的每个计算层由多个特征映射组成,每个特征映射是一个平面,平面上所有神经元的权值相等。
特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数,使得特征映射具有位移不变性。
此外,由于一个映射而上的神经元共享权值,因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层,这种特有的两次特征提取结构减小了特征分辨率。
(以上来自百度百科)
1. 神经网络
神经网络的每个单元如下:
其对应的公式如下:
其中,该单元也可以被称作是Logistic回归模型。当将多个单元组合起来并具有分层结构时,就形成了神经网络模型。下面展示了一个具有一个隐含层的神经网络。
其对应的公式:
神经网络的训练方法也同Logistic类似,不过由于其多层性,还需要利用链式求导法则对隐含层的节点进行求导,即梯度下降+链式求导法则,专业名称为反向传播。
(以上内容来源http://www.36dsj.com/archives/24006)
2. 卷积神经网络
局部感知
参数共享
多卷积核
Down-pooling
多层卷积
二、卷积神经网络能做哪些事情
人工智能目前研究方向占比:
计算机视觉 占60%多。
自然语言处理30%
语言处理,目前占比例比较小。
- 对图像理解
- 分类、检索、分割
对显卡的需求:
N卡
三、推导
卷积神经网络组成
- 输入层
- 卷积层
- 激活函数
- 池化层
- 全连接层
卷积是为了干什么?
卷积=内积+偏置项
池化层
**MaxPooling((
卷积神经网络中最终得到的特征值往往是非常小的。
案例学习:AlexNet
案例学习:VGGNet
- 机器学习笔记二十二 卷积神经网络
- 李宏毅《机器学习》卷积神经网络课程笔记
- 【theano-windows】学习笔记十二——卷积神经网络
- 机器学习:利用卷积神经网络实现图像风格迁移 (二)
- 卷积神经网络学习笔记
- 卷积神经网络学习笔记
- 卷积神经网络学习笔记
- 卷积神经网络学习笔记
- 卷积神经网络学习笔记
- 卷积神经网络-学习笔记
- 机器学习笔记(四)卷积神经网络CNN
- 《机器学习》学习笔记(二):神经网络
- 机器学习--神经网络算法系列--卷积神经网络
- 机器学习笔记之神经网络模型(二)
- 机器学习笔记(二) 神经网络
- 深度学习笔记二-CNN(卷积神经网络)是什么?
- 卷积神经网络学习笔记(二):CNN代码实例
- Keras学习笔记二:卷积神经网络相关层
- Octomap 在ROS环境下实时显示
- BZOJ3514:Codechef MARCH14 GERALD07加强版 (LCT+可持久化线段树)
- C++实训-单元八 多态性
- SSM框架的简单汇总笔记
- Jenkins自动化用例执行看不到界面-添加slave节点
- 机器学习笔记二十二 卷积神经网络
- 暑假测试 Day 2
- android 笔记:判断手机是否显示虚拟按键
- java io 编程题
- Android性能模式 第二季
- bzoj 4571 [Scoi2016]美味
- Linux 基本三
- 快速解决ionic安卓主题启动时短暂的黑屏或白屏问题
- bitset简介