卷积神经网络CNN

近来在了解深度学习。深度神经网络的一大特点就是含有多隐含层。卷积神经网络（CNN）算是深度神经网的前身了，在手写数字识别上在90年代初就已经达到了商用的程度。本文中将简要介绍CNN，由于相应的博文资料已经很多，也写的很好，本篇最有价值的是参考资料部分。

前向神经网络数字识别

假设我们的图片是28*28像素的，使用最简单的神经网络进行识别，如图1

图1

输入层是像素值（一般使用黑白二进制），输出层是10个数字，隐含层的层数和节点书可以调整，图1只是示意。

这样的神经网络模型是可行的，但效果不会非常好，其存在以下问题：

1. 一般要得到较好的训练效果，隐层数目不能太少，当图片大的时候，需要的权值会非常多！

2. 对平移、尺度变化敏感（比如数字偏左上角，右下角时即识别失败）

3. 图片在相邻区域是相关的，而这种网络只是一股脑把所有像素扔进去，没有考虑图片相关性。

卷积神经网络（CNN）

CNN通过local receptive fields（感受野），shared weights（共享权值），sub-sampling（