[【人工智能学习笔记】4_3 深度学习基础之卷积神经网络

卷积神经网络概述

卷积神经网络（Convolutional Neural Network, CNN）一种带有卷积结构的深度神经网络，通过特征提取和分类识别完成对输入数据的判别；在1989年提出，早期被成功用于手写字符图像识别；2012年更深层次的AlexNet网络取得成功，伺候卷积神经网络被广泛应用于各个领域

卷积神经网络的层级结构

输入层（Input Layer）

即接收数据的输入，可以处理多维数据，也能对输入特征进行标准化处理，有利于提升卷积神经网络的学习效率和表现

• 进行预处理的原因
  • 数据范围影响
  • 输入数据单位不一致
  • 激活函数值域影响

卷积层（Convolutional Layer）

提取一个局部区域的特征，不同的卷积核相当于不同的特征提取器；主要应用在图像处理上，而图像为二维结构，因此为了更充分地利用图像的局部信息，通常将神经元组织为三维结构的神经层，其大小为高度M$\times$深度N × \times </