卷积神经网络
为什么引入卷积网络?主要是对于图片来说,全连接神经网络的几个弊端如下:
一、三个特点
稀疏交互/局部连接:
在全连接神经网络,一层的每个神经元和前一层的所有神经元都有连接;而在卷积神经神经网络中,输出单元和前一层的部分神经元(卷积核大小)有连接;这样导致的结果是参数由M(L)*M(L-1)减少为M(L) *K * K. 其中K为卷积核大小/滤波器大小。
参数共享:
对于上面的每一个神经元都有前一层的K *K个神经元相连接,而他们用的参数是一样的,所以参数进一步减少为K * K。 但是这里的弊端就是只能提取一种特征,所以需要多个卷积核提取不同的特征。
平移不变性:
二、卷积和互相关
两者的关系可以用下面的图来表示,目前一般在网络设计中都是用的互相关,也默认称为卷积。