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。