主要包括卷积层、池化(又叫下采样)层、光栅化层、MLP隐含层、输出层。
卷积层
特点:局部连接、权值共享
目的:卷积操作可以增强原始特征,较低噪声
池化层
种类:最大池化、平均池化、可训练参数池化
目的:根据图像的局部相关性,进行子抽样,在减少处理数据的同时保留图像信息
光栅化
目的:将多个特征面转化为一维的向量,为MLP隐含层提供向量的输入形式
MLP 隐含层
目的:光栅层转化到(分类)输出
参考文献
1.LeCun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324.
2.http://www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp/