【Task4 卷积神经网络 (2 days )】

**

【Task4 卷积神经网络 (2 days )】

**
卷积运算的定义、动机(稀疏权重、参数共享、等变表示)。一维卷积运算和二维卷积运算。
池化运算的定义、种类(最大池化、平均池化等)、动机。
Text-CNN的原理。
利用Text-CNN模型来进行文本分类。

参考资料:
图像卷积与反卷积(后卷积,转置卷积)https://blog.csdn.net/fate_fjh/article/details/52882134
自然语言处理 https://blog.csdn.net/xh999bai/article/details/89483673

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
卷积神经网络和传统神经网络在输入形式、矩阵运算划分和层次结构等方面存在一些区别。 首先,在输入形式上,传统神经网络的输入是一个向量,即一维数据,而卷积神经网络的输入是一个三维长方体矩阵,即高度 * 宽度 * 3通道,或者行数 * 列数 * 3通道。这种不同的输入形式导致了神经网络的权重参数和输出结果的不同。\[1\] 其次,在矩阵运算划分上,卷积神经网络使用点积矩阵卷积运算,即多维运算,而传统神经网络使用叉积矩阵乘法运算,即一维运算。卷积神经网络的卷积层由多个特征面构成,每个特征面由多个神经元构成,而传统神经网络的每层由排成一列的神经元构成。\[2\] 最后,在层次结构上,传统神经网络的层次结构相对简单,每个神经元代表矩阵的一个列向量,每个像素值都是一个神经元,代表了一个特征。而卷积神经网络的层次结构更加复杂,由多个特征面和神经元构成。\[2\] 总的来说,卷积神经网络和传统神经网络在输入形式、矩阵运算划分和层次结构等方面存在一些区别,这些区别导致了它们在权重参数和输出结果上的差异。 #### 引用[.reference_title] - *1* [深度学习之卷积神经网络](https://blog.csdn.net/p3116002589/article/details/114317731)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [1、传统神经网络和卷积神经网络](https://blog.csdn.net/weixin_44986037/article/details/128954608)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [卷积神经网络与神经网络,卷积神经网络的特点](https://blog.csdn.net/wenangou/article/details/127175072)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
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