1、卷积神经网络结构基本单元层有哪些?
输入层:输出特征矩阵
卷积层:进行卷积运算
池化层:进行pooling缩小维度
中间激活层:可有可无,一般为ReLU类的计算简单的激活函数对特征值修正
这里卷积层、池化层、中间激活层可以重复
全连接层:将特征矩阵集合向量化
最后激活层:将向量化特征转换成标签
谷歌人工智能写作项目:小发猫
2、卷积神经网络每层提取的特征是什么样的
卷积神经网络是一个多层的神经网络,每层由多个二维平面组成,而每个平面由多个独立神经元组成卷积神经网络各层功能介绍。
图:卷积神经网络的概念示范:输入图像通过和三个可训练的滤波器和可加偏置进行卷积,滤波过程如图一,卷积后在C1层产生三个特征映射图,然后特征映射图中每组的四个像素再进行求和,加权值,加偏置,通过一个Sigmo