卷积神经网络（CNN）标准模型分析（二）

第一个隐含层的构造：

卷积神经网络的第1个隐含层用H1表示。由于H1是通过卷积来计算的，所以又称为卷积层。一个卷积层可能包含多个卷积面（这里即我们所说的特征图）。每个卷积面又关联于一个卷积核。

第2个隐含层的构造

第二层为下采样层，一个下采样层可能包含多个下采样面，这些下采样面又称为下采样特征图。

全连接层的构造

全连接的各层分别用H5-Hr表示，主要是用来分类。这些层实际上是构成了一个普通的多层前馈网络，其中的激活函数一般采用sigmoid。最后一个层Hr称为输入层，可能采用softmax函数代替sigmoid。