卷积神经网络(CNN)
卷积神经网络(Convolutional Neural Network )是一种深度前馈神经网络,广泛应用于图像识别和自然语言处理等方向,本文基于初学者的视角简单描述卷积神经网络的概念和原理,包含个人主观理解,如有错误恳请指正。
为何选用CNN来处理图像
传统的全连接(fully connected)网络结构在处理图像时,由于图片的二维结构,导致神经元数量大大增加,即使是100X100的图片也需要单层10000个参数,要想处理图片,必须采用新的网络架构来减少参数,避免权重爆炸的现象发生。
基于人类的常识,可以判断出在图像辨识中,某些细节往往比整张图片的其余部分重要得多,例如辨别一张图片中的鸟,我们往往观察到的是属于鸟的特征(pattrens),例如鸟喙,翅膀,爪子而非图片中的背景。CNN的设计即是这种思想的体现。
CNN的组件和基本架构
一个完整的卷积神经网络包括卷积层(Convolution)、池化层(MaxPooling)和全连接层(Fully Connected)。其中卷积层和池化层可以循环任意次。
和传统的神经网络一样,CNN神经元也需要激励函数(Activation Funtion),通常使用ReLU(Rectified linear unit)函数作为激励函数,其