当前位置:网站首页>卷积神经网络简介
卷积神经网络简介
2022-07-05 05:27:00 【李峻枫】
引入
利用全连接神经网络进行手写数字识别已经获得了较高的正确率,但是这个还可以提高。
首先先来看看全连接神经网络存在着什么问题:它忽略了结构,在将图片输入神经网络的时候,它是直接将其转换成一列,忽略像素点在位置上与其他像素点的关系。
在这个简单的手写数字识别中,忽略了这种结构关系还能保持一个不错的正确率,但是对于更加复杂的图像识别,忽略了这个结构关系往往不能获得好的结果。因此需要一种新的神经网络来解决这个问题。
卷积神经网络
卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deep learning)的代表算法之一。
与全连接的区别
相比于全连接,卷积神经网络使用卷积层与池化层对图像的特征进行处理,然后再用全连接输出结果。
卷积层需要学习参数,不同参数的卷积核对不同的图像会做出不同的响应。
池化层不需要学习参数,一般来说其是取最大值或者平均值。但是池化层的存在能大大增加神经网络的健壮性,因为即便是出现某些小的改变,对池化层的输出几乎无影响。
为什么仍然要用全连接
因为在多数情况下,我们均不知道这些参数之间有什么关系,而全连接就提供了一个很好的平台。
它假设全部参数之间都有关系,通过不断的学习,某些关系的边权会不断变大,说明这个关系是真实存在的;但某些关系的边权会不断减少,说明这个关系并不存在或者说这个关系非常弱,对最终的结果也不会有太大影响。
边栏推荐
猜你喜欢
随机推荐
Haut OJ 1357: lunch question (I) -- high precision multiplication
Programmers' experience of delivering takeout
Embedded database development programming (zero)
Romance of programmers on Valentine's Day
读者写者模型
C语言杂谈1
SSH password free login settings and use scripts to SSH login and execute instructions
26、 File system API (device sharing between applications; directory and file API)
The next key of win generates the timestamp file of the current day
Learning notes of "hands on learning in depth"
Es module and commonjs learning notes
sync.Mutex源码解读
A problem and solution of recording QT memory leakage
When will Wei Lai, who has been watched by public opinion, start to "build high-rise buildings" again?
Binary search basis
C language Essay 1
Introduction to memory layout of FVP and Juno platforms
Development error notes
Haut OJ 2021 freshmen week II reflection summary
Solon Logging 插件的添加器级别控制和日志器的级别控制