深度学习(Deep Learning)读书思考五:卷积神经网络(CNN)

本文深入探讨了卷积神经网络(CNN)的动机,包括稀疏连接、参数共享和变化等价性,以及池化层的重要性和不同卷积变种如Zero-Padding和Tiled卷积。CNN因其在图像识别、语音识别和NLP领域的成功应用,成为深度学习中的关键网络结构。
摘要由CSDN通过智能技术生成

概述

卷积神经网络早在80年代就被提出,并且成功用于手写字体识别。近年由于其在图像识别、语音识别以及NLP方面的成功表现,成为最成功的网络结构之一。本节主要介绍

  1. CNN背后的动机
  2. CNN中Pooling层以及经典CNN架构
  3. CNN各种变种

另外关于CNN在NLP方面的应用可以参考。
* CNN在NLP中应用形式
* CNN用于文本分类

CNN提出动机

卷积

卷积在CNN中主要表现为矩阵乘积累加和,例如一维卷积表示为

s(x)=f(t)g
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值