卷积神经网络的早期模型称为神经认知机,是一种生物物理模型···其中大量神经元按照一定的方式组织起来,以对视野中的交叠区域产生反应。
卷积神经网络的标准模型:
CNN最初最初是受到视觉系统的神经机制的启发,针对二维形状的识别而设计的一种多层感知器,在平移的情况下具有高度不变性。在缩放和倾斜的情况下也具有一定的不变性。
···通过对猫视觉皮层细胞的研究,提出了感受野的概念
···在感受野的基础上,提出了神经认知机模型
LeCun首次使用了权值共享技术
1998年,LeCun等人将卷积层和下采样层相结合,构成CNN的主要结构,这是现代CNN的雏形(LeNet)
卷积层也称之为检测层
下采样层又称之为池化层
从前馈网络的角度来看,卷积层和下采样层可以看做是特殊的隐含层,而其他层,除了输出层外,是普通的隐含层。这些层具有不同的计算方式,其中的权值大多需要一个学习过程来调优。
但有时卷积层也可以采用固定权值直接构造,比如说使用Gabor滤波器
内卷积的意思就是直接卷积,外卷积的意思就是补0后卷积。注意这里的矩阵B要先进行上下左右的对称变换,再和A相应的位置对应相乘。即我们学习的卷积的概念。
下采样这里定义为平均池化;
上采样这里进行了克罗内克积:如果A是一个 m x n 的矩阵,而B是一个 p x q 的矩阵,克罗内克积则是一个 mp x nq 的矩阵。