深度学习基础知识整理-

卷积神经网络相关知识

卷积层：作用是探测上一层特征的局部连接。

池化层：作用是在语义上把相似的特征合并起来。

卷积神经网络的应用：检测、分割、物体识别以及图像的各个领域。这些应用都是使用了大量的有标签的数据。比如交通信号识别，生物信息分割，面部探测，文本、行人以及自然图形中的人的身体部分的探测。今年，卷积神经网络的一个重大成功应用是人脸识别。值得一提的是，图像可以在像素级别进行打标签，这样就可以应用在比如自动电话接听机器人、自动驾驶汽车等技术中。像Mobileye以及NVIDA公司正在把基于卷积神经网络的方法用于汽车中的视觉系统。其他的应用涉及到自然语言的理解以及语音识别中。

分布式特征表示与语言处理：RNNS,LSTM