卷积神经网络

卷积神经网络在图像处理领域有较大的应用，其思想在于不断地在输入的各个部分进行信息提炼，从而产生最终的输出。

预测模型

卷积神经网路具有两种特别的结构，第一种是卷积层，第二种是池化层。前者是卷积神经网络区别于普通神经网络的组要特征，后者是简化计算的主要工具。

卷积层

卷积神经网络的作用在于从上层的局部提取信息，然后放入下一层，可见随着层数的提高，网络的长宽越来越小。实现这个功能的我们叫做卷积核，卷积核的长*宽意味着上层长*宽大小的区域会被映射到下一层中的一个神经元，同时一个卷积核只能产生一个输出，因此，为了能够得到更多的信息，我们可能在同一层具有多个卷积核，卷积核的个数等于下一层的深度。一下是卷积神经网络的逐层计算方式。

池化层

池化层也使用卷积核缩小层的长宽，但是汇集的神经元没有权重，而使用例如最大值、最小值之类的聚合函数。