卷积神经网络CNN - 浅层

卷积神经网络CNN - Convolutional neural network

在网络中采用卷积(一种特殊的线性运算)计算，卷积神经网络至少在一层中使用卷积代替一般矩阵乘法。

[In mathematics , the asterisk is the standard symbol for convolution.]

卷积计算用 “ * ”表示。

1.卷积神经网络的结构

(1)卷积层- Convolutional layer

卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法(BP)最佳化得到的。

卷积运算的目的是提取输入的不同特征，第一层卷积层可能只能提取一些低级的特征，多层之后便能从低级特征中迭代提取更复杂的特征。

(2)线性整流层 - Rectified Linear Units layer

利用线性整流   作为这一层神经的激励函数(Activation function)，可以增强判定函数和整个神经网络的非线性特性，而不改变卷积层。

(3)池化层 - Pooling

缩减模型的大小，提高计算速度，同时提高所提取特征的鲁棒性。