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。