视觉机器学习20讲-MATLAB源码示例（16）-CNN学习算法

1. CNN学习算法

卷积神经网络（CNN 或 ConvNet）是一种深度学习网络架构，它直接从数据中学习，不需要手动提取特征。

CNN 特别适合在图像中寻找模式以识别物品、人脸和场景。这类网络也能很好地对一些非图像数据进行分类，如音频、时间序列和信号数据。

需要目标识别和计算机视觉的应用（如自动驾驶汽车和人脸识别应用）高度依赖 CNN。

卷积神经网络CNN的结构一般包含这几个层：

(1)输入层：用于数据的输入

(2)卷积层：使用卷积核进行特征提取和特征映射

(3)激励层：由于卷积也是一种线性运算，因此需要增加非线性映射

(4)池化层：进行下采样，对特征图稀疏处理，减少数据运算量。

(5)全连接层：通常在CNN的尾部进行重新拟合，减少特征信息的损失

CNN的三个特点：

(1)局部连接：这个是最容易想到的，每个神经元不再和上一层的所有神经元相连，而只和一小部分神经元相连。这样就减少了很多参数

(2)权值共享：一组连接可以共享同一个权重，而不是每个连接有一个不同的权重，这样又减少了很多参数。

(3)下采样：可以使用Pooling来减少每层的样本数，进一步减少参数数量，同时还可以提升模型的鲁棒性。

2. Matlab仿真

%%</