CNN卷积神经网络

CNN卷积神经网络

1、初始化卷积网络结构

cnn.layers = {

%input layer

struct('type', 'i')

%卷积层，卷积6个特征输出，卷积核尺寸为<5,5>，卷积核为{1,6}<5,5>。

struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5)

%子抽样层，子抽样比例，此为1/2。

struct('type', 's', 'scale', 2)

%卷积层，卷积12个特征输出，卷积核尺寸为<5,5>，卷积核为{6,12}<5,5>。

struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5)

%子抽样层，子抽样比例，此为1/2。

struct('type', 's', 'scale', 2)

};

2、初始化b=0，k{i}{j}（卷积核参数）；感知层ffW、ffb。

3、正向计算各层输出a{i}：

初始化a{1}；

以convn(a,k,’valid’)正向卷积计算c层；

以scala=2，降采样s层；

末端以ffv=f(a{n-1},ffW,…)计算输出。

4、反向计算各层db、dk、dffW、dffb

5、修改各层b、k、ffW、ffb：

b = b – db;

k = k – dk;

ffW = ffW – dffW;

ffb = ffb - dffb;