Elsa的迷弟

除此之外，变换还包括：几何变换，对比度变换，颜色变换，添加随机噪声，图像模糊。当样本类别内差异较大时，为了减少样本差异，会对样本数据进行预处理。将差分图像作为神经网络输入，就可以抑制图像的整体亮度变化。通过对样本进行平移、旋转、或镜像翻转来得到新的样本。在每次迭代时，随机选取一部分单元，将其输出设置为0。白化可以消除直流分量等相关信息较高的像素信息，只。从多个特征图的相同位置选取最大值作为最后的特征图。起到了类似归一化的方法，抑制过拟合。白化是一种消除数据间相关性的方法。均值图像为图像颜色的平均值图。

分布式。

每个节点都可处于一种可能的状态（1或－1），即当该神经元所受的刺激超过其阀值时，神经元就处于一种状态（比如1），否则神经元就始终处于另一状态（比如－1）。当需要记忆的模式之间较为相似，或者需要记忆的模式太多，hopfield神经网络就不能正确的辨别模式。Hopfield神经网络是一种递归神经网络，从输出到输入均有反馈连接，每一个神经元跟所有其他神经元相互连接，又称为。网络，有n个神经元节点，每个神经元的输出均接到其它神经元的输入。的资料甚少，而且各资料之间有差异，大多全是公式。为迭代次数，有如下公式。

视网膜应用多条平行通路进行信息的传递和处理，同样的，视觉信息在脑内的处理过程也有类似的平行模式，即不同性质的视觉信息成分经不同的神经环路通道预处理，最终由不同性质的皮层细胞来分别进行分析处理与整合。目前的证据表明，中枢视觉信息的处理既是由低级向高级逐步升级的过程，又遵循着平行处理的原则。所以，像前文提到过的。，在视皮层内按照一定的规则在空间上排列起来，这种按功能排列的皮层结构，即皮层的功能构筑，沿着皮层的不同层次。有的神经递质可以增强下一级神经元的电活动，有的神经递质则会抑制下一级神经元的电活动，比如。

注：由于反向误差梯度与sigmoid函数的导数有关，而sigmoid函数的导数会在值较大时有较小的倒数，故会导致权值调整较小。由于随机梯度下降法只使用部分训练样本，每次迭代后样本集的趋势都会发生变化，所以减少了迭代结果陷入局部最优解的情况。但是过大的学习率会导致结果过拟合，如上，我们需要最后值为3，但修改后的值甚至小于了1。所以当误差越大时，梯度就越大，参数w和b的调整就越快，训练的速度也就越快。的分母是对输出层所有单元(q = 1，······，Q)的激活函数值的求和，起到归一化的作用。