cnn新理解

只有单个神经元是由有详细的数学原理的
人工神经网络只是建立在“人多力量大”的简单将多个神经元连接起来，以期达到更好的效果，没有严格的数学证明，只有大体道理的成立。
而cnn是建立在人工神经网络的思想上，又加入了局部感受野和参数共享的思想，其原理无数学严格推理，也是建立在一般大体正确的逻辑之上。
局部感受野是说每次我们只是感受图片局部的信息，表现为卷积核没有图片大，其次局部感受野的目的在于减小参数个数，由于图片像素点实在过于多，局部感受野目的在于提取特征，一般来说目前理解一个卷积核对某一特定的特征感兴趣，特征可复杂可简单，cnn网络中，将到某一层神经元到开始时候整个看为一个复杂的卷积核，比较合理，当然越复杂卷积核感兴趣的区域也就越复杂，cnn通过特征的提取来达到识图的目的，这样有助于减少参数，也有助于将复杂问题简单化，即识别特征（局部），要比全局简单，是由局部到整体的宏观道理。
而参数共享是为了提取一张图中相似的特征而提出的假设，一张图中有多个卷积核大小的部分（步长为1，每移动一步都是一个部分），每个部分都包含着信息，特征相似的部分共享一个卷积核即可将特征提取出来，而无需新的卷积核，因此参数共享成立，并且参数数目减少。
从宏观上来讲cnn就是提取特征并组装起来，其隐含了各个特征之间的联系，还有一点需要注意，卷积核的移动就代表了图片各个部分之间的联系，如果图片左右部分没有关系，那么卷积核的左右移动对其训练没有帮助，如果图片各部分左右的关系已经通过其他方式联系起来，则卷积核左右移动对训练结果也没有帮助。