CNN 学习小结

神经网路主要算法简介

CNN

 Convolutional Neural Network 卷积神经网路
 空间上深度的神经网路
 多用于图像分类、语音识别等。

RNN

Recurrent Neural Networks 循环神经网路
时间上深度的神经网络
隐含层增加自连边跟互连边，隐含层相互连接。
回归型网络，用于序列数据，并且有了一定的记忆效应，辅之以lstm。

DNN

Deep Neural Networks 深度神经网络
全连接神经元结构，广义上包括 CNN、DNN。

CNN

CNN两大核心

保证CNN计算效率的两大神器，减少参数数目，共享神经元特征提取权重。

局部感知野

    一般认为人对外界的认知是从局部到全局的，而图像的空间联系也是局部的像素联系较为紧密，而距离较远的像素相关性则较弱。因而，每个神经元其实没有必要对全局图像进行感知，只需要对局部进行感知，然后在更高层将局部的信息综合起来就得到了全局的信息。
![全连接 VS 局部链接](https://img-blog.csdn.net/20160414162412422))