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))