数学建模 之 卷积网络

说实话，卷积网络真的很明白了，但是反向传播是没有那么懂。

卷积，就是用卷积核收缩，它的作用一是用来提取特征，二是用来减少参数，池化呢，就是抗锯齿，其实也是为了减少参数，自己的话说呢，就是先来一次权值抗锯齿，然后来一次中心抗锯齿。就是如此。

神经网络，我称之为交叉方程组。SVM就是平行方程组。

平均(中心)抗锯齿必然是损失信息了的。第一个问题是卷积核用不用动态变化，二是如何透过卷积核求导？

关键是，池化层没有激活函数，言下之意是卷积层有激活函数，池化层损失信息，没办法就是没办法啊。

卷积参数，说实话，跟普通参数没什么两样，只不过按照它的前进方法求导就可以了。你必须知道前进公式是如何前进的。

在实际训练过程中，卷积核的值是在学习过程中学到的。每个卷积核可以看作一个图像模式，例如红绿蓝三种模式，如果一个图像用红卷积核卷出的特别大，那么它可能就是偏红。

下采样，downsample，反正就是这个意思了。

卷积层有激活函数吗？这个必须进行代码编写。