《神经网络与深度学习》第五章学习笔记

本文详细介绍了卷积在信号处理和卷积神经网络中的核心概念,包括互相关、卷积层、汇聚层、空洞卷积、转置卷积、残差网络以及它们在目标检测、图像分割、OCR等领域的应用。还探讨了卷积如何扩展到文本数据中的应用,如Ngram特征和文本序列模型。
摘要由CSDN通过智能技术生成

5.1、卷积

1、卷积经常用在信号处理中,用于计算信号的延迟累积

5.2、卷积神经网络

1、互相关

计算卷积需要进行卷积核翻转。卷积操作的目标:提取特征

2、卷积层的映射关系

3、汇聚层

卷积层虽然可以显著减少连接的个数,但是每一个特征映射的神经元个数并没有显著减少。

4、

5.3、其他卷积种类

1、空洞卷积

通过给卷积核插入“空洞”来变相地增加其大小

2、转置卷积/微步卷积

低维特征映射到高维特征

5.4、典型的卷积网络

1、残差网络

残差网络是通过给非线性的卷积层增加直连边的方式来提高信息的传播效率。

5.5、卷积网络的应用

1、目标检测

2、图像分割

3、OCR

5.6、应用到文本数据

1、Ngram特征与卷积

2、文本序列的卷积模型

  • 8
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值