卷积神经网络
本文转自 http://www.36dsj.com/archives/24006?utm_source=open-open C-层: 卷积层(Convolutional layer ) S-层: 子采样层(Subsampling layer ) 每层包含多个特征平面(Feature Map) 其中的卷积核是需要训练的,卷积层的特点是:特征增强 (映射效果), 降低噪声,平移不变性 CNN功能特性:局部特征提取(感受野,相对位置)(每一个神经元从上一层的局部接受域得到突触输人,因而迫使它提取局部特征。一旦一个特征被提取出来,只要它相对于其他特征的位置被近似地保留下来,它的精确位置就变得没有那么重要了); 特征映射(共享权值、抗变形)(网络的每一个计算层都是由多个特征映射组成的,每个特征映射都是平面形式的。平面中单独的神经元在约束下共享相同的突触权值集,这种结构形式具有如下的有益效果:a.平移不变性。b.自由参数数量的缩减(通过权值共享实现)。), 子采样(分辨率降低,变形敏感度下降)(每个卷积层跟着一个实现局部平均和子抽样的计算层,由此特征映射的分辨率降低。这种操作具有使特征映射的输出对平移和其他形式的变形的敏感度下降的作用。) 自今年七月份以来,一直在实验室负责卷积神经网络(Convolutional Neural Network,CNN),期间配置和使用过theano和cuda