本文介绍了卷积神经网络的工作流程，重点解释了特征映射层（S2）如何通过子抽样和局部平均从特征提取层（C3）的特征映射中获取信息。C1层经过卷积产生8个特征映射，S2层通过2×2像素求和实现子抽样，而C3层的20个特征映射则是对C1层的8个特征映射共同作用的结果，每个神经元覆盖多个输入特征映射。
刚接触神经网络，已经晕了，现在把自己遇到的问题列出来，然后给自己一个提醒！（话不多说，直接看下文）
（这幅图是我看这篇博文时download的 http://www.cnblogs.com/nsnow/p/4562363.html）
图中的卷积网络工作流程如下，输入层由32×32个感知节点组成，接收原始图像。然后，计算流程在卷积和子抽样之间交替进行，如下所述：
第一个特征提取层，是由输入图像通过和8个特征映射及可加偏置进行卷积，卷积后在C1层产生8个特征映射图，每张特征映射图由28×28个神经元组成，每个神经元接受一个 5×5 的滤波器（卷积核）【所以
2787
935
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
