【深度学习】卷积神经网络（Convolutional Neural Network）

最新推荐文章于 2024-09-10 21:39:58 发布
最新推荐文章于 2024-09-10 21:39:58 发布
阅读量1.9k 收藏 1
点赞数
分类专栏： NLP/DeepLearning

原文地址:

http://blog.163.com/lipse_huang/blog/static/19165754520133954138888/

卷积神经网络简介（Convolutional Neural Networks，简称CNN）
   卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural Networks-简称CNN）。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。     K.Fukushima在1980年提出的新识别机是卷积神经网络的第一个实现网络。随后，更多的科研工作者对该网络进行了改进。其中，具有代表性的研究成果是Alexander和Taylor提出的“改进认知机”，该方法综合了各种改进方法的优点并避免了耗时的误差反向传播。
    一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。
    CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。由于CNN的特征检测层通过训练数据进行学习，所以在使用CNN时，避免了显示的特征抽取，而隐式地从训练数据中进行学习；再者由于同一特征映射面上的神经元权值相同，所以网络可以并行学习，这也是卷积网络相对于神经元彼此相连网络的一大优势。卷积神经网络以其局部权值共享的特殊结构在语音识别和图像处理方面有着独特的优越性，其布局更接近于实际的生物神经网络，权值共享降低了网络的复杂性，特别是多维输入向量的图像可以直接输入网络这一特点避免了特征提取和分类过程中数据重建的复杂度。

以下来源 ： http://gmd20.blog.163.com/blog/static/168439232012995313176/

对字符识别比较感兴趣，说是这个“卷积神经网络”用于字符识别很不错。手写数字识别，看这个论文里面数据可以可以达到百分之99点几。

太复杂的论文看不懂，在网上找了些简单的

Neural Network for Recognition of Handwritten Digits

http://www.codeproject.com/Articles/16650/Neural-Network-for-Recognition-of-Handwritten-Digit

一个律师写的，比我厉害多了啊！这个文章写的很不错，原理介绍，参考文献等等都列举出来了。比较有参考价值。

后续又有人继续在他的基础上做了些改进，修复了某些错误了。

A Neural Network on GPU

http://www.codeproject.com/Articles/24361/A-Neural-Network-on-GPU

Convolutional Neural Network Workbench

http://www.codeproject.com/Articles/140631/Convolutional-Neural-Network-MNIST-Workbench

第一篇文章提到的论文，介绍了卷积神经网络怎么用于字符识别。

Gradient-Based Learning Applied to Document Recognition

http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf

Best Practices for Convolutional Neural Networks  Applied to Visual Document Analysis

http://research.microsoft.com/en-us/um/people/jplatt/ICDAR03.pdf

论文作者 Yann LeCun 的主页 上列出他自己的 卷积神经方面发表的论文，很多都比较有参考价值吧。

http://yann.lecun.com/exdb/lenet/index.html

FANN  

Fast Artificial Neural Network Library

http://leenissen.dk/fann/wp/

一个c语言的开源 神经网络开发库。能不能用来做 卷积神经网络啊？ 有时间学习一下


数据娃掘
关注
专栏目录
卷积神经网络 (Convolutional Neural Network)
AI天才研究院
06-17 1139
卷积神经网络 (Convolutional Neural Network) 1.背景介绍 卷积神经网络(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围数据,对于大型图像
Android-卷积神经网络（Convolutional Neural Network, CNN）
zhuhai0613的博客
07-04 1683
卷积神经网络是一种深度学习模型，通过卷积层、池化层和全连接层构成，用于提取图像特征并进行分类。
Convolution Neural Network (CNN)
05-15
PS：本篇blog为ese机器学习短期班参考资料（20140516课程），本文只是简要讲最naive最simple的思想，重在实践部分，原理课上详述。
【机器学习】卷积神经网络（CNN）
最新发布
fzy2003的博客
09-10 4051
卷积神经网络（CNN）是一种深度学习模型，通过多层结构实现图像识别等任务。CNN包括输入层、卷积层、池化层、全连接层和输出层。输入层接收原始数据，卷积层通过滑动卷积核提取图像特征，池化层进一步压缩特征图，减少过拟合并提高模型对平移等变换的鲁棒性。全连接层将提取的特征展开并进行分类或回归任务，输出层通过Softmax函数生成概率分布，完成最终预测。CNN广泛用于图像处理、手写数字识别等领域，具有很强的特征提取能力。
卷积神经网络小结(Convolutional Neural Networks)
05-28 7069
CNNs应用的最成功的一个例子：Yann LeCun（曾经是Hinton组的research associate） http://yann.lecun.com/exdb/lenet/index.html   code project上的一个C++写的例子，有很详细的文档说明： http://www.codeproject.com/Articles/16650/Neural-
Convolution Neural Network
klaas的博客
07-03 1836
Convolution neural network has gain its popularity recently due to its power with computer vision. Although CNNs have been used as early as the nineties to solve character recognition tasks (Le Cun et al., 1997
卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习模型
05-10
### 卷积神经网络（Convolutional Neural Network，CNN）：一种深度学习模型 #### 一、概述 卷积神经网络（Convolutional Neural Network，简称CNN）是一种专门设计用于处理具有网格结构的数据（例如图像）的深度...
卷积神经网络Convolutional Neural Networks深度解析I
Archie_Could的博客
08-27 6056
知识的广度来自知识的深度，学习如果不成体系那是多可怕的一件事儿，希望我们在未来的学习道路上坚守初心，不要给自己留下遗憾，以自己喜欢的方式生活，做自己喜欢做的事，宠爱自己，做一个独一无二的自己！ 对于文章中出现的任何错误请大家批评指出，会及时做出修改！ 有任何想要讨论和学习的问题可联系我：cittaksana@qq.com 卷积神经网络Convolutional Neural Networks深度解析IConvolutional Neural Networks历史Convolutional Neura.
convolution neural network
weixin_43698821的博客
02-26 281
https://skymind.ai/wiki/convolutional-network https://www.coursera.org/learn/convolutional-neural-networks
Convolutional Neural network（CNN）
Danielzph的博客
04-21 300
Convolutional Neural network(part 1) 李宏毅视频学习笔记 1. Why CNN for Image？ CNN V.s. DNN 我们当然可以用一般的neural network来做影像处理，不一定要用CNN，比如说，你想要做图像的分类，那你就去train一个neural network，它的input是一张图片，你就用里面的pixel来表示这张图片，也就是一个很长很长的vector，而output则是由图像类别组成的vector，假设你有1000个类别，那output就有
convolution_neural_network
mmm000mm的博客
03-30 432
# -*- coding:utf-8 -*- import argparse import datetime import sys import tensorflow as tfimport input_dataIMAGE_WIDTH = 60 IMAGE_HEIGHT = 100 IMAGE_SIZE = IMAGE_WIDTH * IMAGE_HEIGHT LABEL_SIZE = 10 #
Convolution Neural Network (CNN) 原理与实现
热门推荐
Rachel Zhang的专栏
05-15 10万+
本文结合Deep learning的一个应用，Convolution Neural Network 进行一些基本应用，参考Lecun的Document 0.1进行部分拓展，与结果展示（in python）。 分为以下几部分： 1. Convolution（卷积） 2. Pooling（降采样过程） 3. CNN结构 4. 跑实验 下面分别介绍
深度学习：卷积神经网络（convolution neural network）
weixin_30512089的博客
07-22 595
（一）卷积神经网络 卷积神经网络最早是由Lecun在1998年提出的。 卷积神经网络通畅使用的三个基本概念为： 1.局部视觉域； 2.权值共享； 3.池化操作。 在卷积神经网络中，局部接受域表明输入图像与隐藏神经元的连接方式。在图像处理操作中采用局部视觉域的原因是：图像中的像素并不是孤立存在的，每一个像素与它周围的像素都有着相互关联，而并不是与整幅图像的像素点相关，因此采用局部视觉接...
深度学习笔记（2）——卷积神经网络（Convolutional Neural Network）
迷川浩浩的博客
04-05 1万+
卷积神经网络（Convolutional Neural Network, CNN）是深度学习转折的标志性成果，在深度学习的早期，以Hinton等为代表的学者们研究主要集中在RBM（限制波尔兹曼机），AE（自编码器）等传统的全连接神经网络框架上，这个时期虽然出现了很多无监督、优化函数改进之类的研究，使得传统的神经网络层数有所增加，但是终究没有脱离全连接神经网络框架的约束，以至于最终网络可训练的参数量还
深度学习—卷积神经网络（Convolutional Neural Networks）
qq_28505705的博客
11-12 7733
卷积神经网络（Convolutional Neural Networks） 卷积神经网络（convolutional neural network, CNN），是一种专门用来处理具有类似网格结构的数据的神经网络。例如时间序列数据（可以认为是在时间轴上有规律地采样形成的一维网格）和图像数据（可以看作是二维的像素网格）。卷积网络在诸多应用领域都表现优异。“卷积神经网络’’ 一词表明该网络使用了卷积（c...
【机器学习】卷积神经网络 CNN （Convolutional Neural Network）
weixin_45032529的博客
05-13 2598
卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）。这一结构使得卷积神经网络能够利用输入数据的二维结构。与其他深度学习结构相比，卷积神经网络在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网络，.
零基础入门深度学习：卷积神经网络详解
本篇文章是深度学习系列文章的第四篇，主要介绍卷积神经网络（Convolutional Neural Network，CNN）的基础知识和应用。卷积神经网络是一种专门用于图像和语音识别任务的神经网络结构，它在最近几年取得了许多重要...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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