深度学习 卷积神经网络学习笔记1
来源:互联网 发布:isis软件下载 编辑:程序博客网 时间:2024/05/21 08:48
BP神经网络存在以下问题:
1.层次较多时需要耗费大量资源
2.当数据量较小时,容易产生过拟合现象
1.卷积神经网络结构
卷积神经网络(简称CNN)的结构图如下图
卷积神经网络由一般结构构成:卷积层、激励层、池化层、全连接层
2.卷积层作用
卷积层学习输入的特征表示,在学习过程中输入特征会被分割成一些区块,每个区块的卷积核相同,输入特征与卷积核做卷积,
利用权值共享的方式把结果传递给激活函数,权值共享可以减少模型的复杂度、使网络更易训练
3.池化层作用
池化层夹在连续的卷积层和激励层中间,进行数据压缩,减小过拟合,主要的压缩方式有Max pooling(取数据区块的最大值)
和average pooling(取数据区块的平均值),
4.全连接层(BP神经网络)
几个卷积层和池化层之后,通常有一个或几个全连接层,他们把前一层所有的神经元与当前层的每一个神经元相连接,这一层
利用的是BP神经网络进行计算
5.卷积神经网络的应用
1.计算机视觉:图像分类、对象追踪、姿态估计、视觉显著性检测、行为追踪、场景标示
2.自然语言处理(NLP):把句子或文档以矩阵的形式表示,把矩阵当成一副图像
3.语音识别等
6.卷积神经网络怎样减少梯度下降
通过激活函数relu减少梯度下降
阅读全文
0 0
- 深度学习笔记1:神经网络 卷积神经网络
- 深度学习 卷积神经网络学习笔记1
- 深度学习笔记1(卷积神经网络)
- 深度学习:卷积神经网络
- 深度学习-卷积神经网络
- 深度学习 卷积神经网络
- 深度学习卷积神经网络
- Google 深度学习笔记 卷积神经网络
- TensorFlow 深度学习笔记 卷积神经网络
- 全卷积神经神经网络-深度学习笔记
- 深度学习:卷积神经网络入门学习(1)
- 吴恩达深度学习笔记之卷积神经网络(卷积网络)
- 深度学习(三)卷积神经网络1
- 深度学习(7):卷积神经网络(1)
- 深度学习-卷积神经网络初识-1
- 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
- Python 运算符
- 浏览VIM中文文档------用户手册之usr_01.txt——usr_02.txt——usr_03.txt
- 4位一线技术大咖齐聚LiveVideoStack 多媒体开发技术沙龙提前观
- Spring ERROR
- Photoshop笔记
- 深度学习 卷积神经网络学习笔记1
- 【LeetCode】69、int sqrt(int x).
- html学习15-网页联系-超链接-内部链接
- elasticsearch UpdateByQuery的使用
- PhpStorm集成PSR2代码自动检查
- docker简单操作
- 设计模式之装饰者模式
- StringUtil工具类
- 微信小程序tabBar