卷积神经网络最显著的两个特点是什么?如何解释?
答案
特点
最显著的两个特点是局部连接和权值共享
局部连接的概念和优势
- 局部连接:在卷积神经网络中,局部连接意味着卷积核上的每个神经元仅与输入数据的局部区域连接,而不是与整个输入层的所有神经元相连接。为什么这么说呢?是因为在卷积神经网络之前是传统神经网络,它的隐藏层是全连接层,每一个神经元都和输入层的所有神经元相连接。
- 这样做的优势是,神经元更加关注局部特征,增强了对空间结构的感知能力;并且大大降低了参数量。
权值共享的概念和优势
- 权值共享:权值共享是指在卷积神经网络中,同一卷积核(filter)在应用于输入数据的不同位置时使用相同的权重参数。因为卷积核上的权值是不变的,每一次变化一个步长的单位,然后不同位置仍然是相同的卷积核的权值。
- 这样做的优势是,因为权值共享,实现了参数的复用,所以参数量也大大降低,并且学习到的特征可以在不同区域内共享,因此在一定程度上增强了模型的泛化能力,一定程度上降低了过拟合的风险。