人工智能导论复习整理（四）

深度神经网络

卷积、填充和步幅

卷积层采用2-D Cross Correlation计算来代替卷积运算。

如下图所示，

计算过程为：
$$\begin{gathered} 0\times 0+1\times 1+3\times 2+4\times 3=19 \\ 1\times 0+2\times 1+4\times 2+5\times 3=25 \\ 3\times 0+4\times 1+6\times 2+7\times 3=37 \\ 4\times 0+5\times 1+7\times 2+8\times 3=43 \end{gathered}$$
之所以用2-D Cross Correlation计算是因为kernel中的数值都是通过学习得到的，所以即便不遵循卷积运算的计算方式，计算得到的结果也不会有问题。

上图中为一个具体的例子，抽象来看，设输入矩阵为$X$，其大小为$n_h\times n_w$；核矩阵为$W$，其大小为$k_h\times k_w$；输出矩阵为$Y$，则$Y$的大小为$(n_h-k_h+1)\times (n_w-k_w+1)$。输出矩阵又称为特征图。

此时，三者之间的关系为
$$Y=X\star W+b$$
其中， b b