《深入浅出图神经网络》阅读笔记-第3章 卷积神经网络（2）卷积神经网络特点

最新推荐文章于 2024-04-21 13:58:11 发布
最新推荐文章于 2024-04-21 13:58:11 发布
阅读量3.1k 收藏 1
点赞数
分类专栏： 图神经网络 深入浅出图神经网络 文章标签： python 机器学习 人工智能 神经网络 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_47195879/article/details/123708560
版权

卷积神经网络有三个特点：局部连接、权值共享、层次化表达

1、局部连接

卷积计算每次都在于卷积核大小对应的区域进行，所以说输入和输出是局部连接的。这也符合图像的局部相关性。

感知野：指特征图上一个输出与多大区域的输入有关。通俗点讲就是卷积操作对多大的区域有计算。

2、权值共享

在图像中，不同的区域使用的是同一个卷积核，这样可以减少参数量并且带来了平移不变性。平移不变性是指不管输入如何平移，总能够得到相同的输出。同时，池化操作也带来了一些平移不变性。

3、层次化表达

卷积操作随着卷积层的堆叠，所提取的特征逐渐由高层次到低层次。低层次的卷积一般提取一些简单的特征，中间层次的卷积得到的特征开始变得抽象，高层次得到的特征则更加抽象。低层次卷积获取的是局部特征，高层次的获取的是全局特征，通常来说，低层次的特征更加通用，高层次的特征与具体的任务关联性更像。

以上参考《深入浅出图神经网络》

[2] 卷积神经网络CNN 图解
10-18 3162
背景之前在网上搜索了好多好多关于CNN的文章，由于网络上的文章很多断章取义或者描述不清晰，看了很多youtobe上面的教学视频还是没有弄懂，最后经过痛苦漫长的煎熬之后对于神经网络和卷积有了粗浅的了解。于是在这里记录下所学到的知识，关于CNN 卷积神经网络，需要总结深入的知识有很多： 人工神经网络 ANN 卷积神经网络 CNN 卷积神经网络 CNN - BP算法 卷积神经网络 CNN - LetNet
卷积神经网络的三个特点,卷积神经网络三大特点
神器榜
10-12 8528
卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。[1] 它包括卷积层(alternating convolutional layer)和池层(pooling layer)。卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。
卷积神经网络的特点
热门推荐
skyecs的博客
12-18 1万+
卷积网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只要用已知的模式对卷积网络加以训练，网络就具有输入输出对之间的映射能力。 特点 CNN一个非常重要的特点就是头重脚轻（越往输入权值越小，越往输出权值越多），呈现出一个倒三角的形态，这就很好地避免了BP神经网络中反向传播的时候梯度损失得太快。 卷积神经网络CNN主
卷积神经网络(Convolutional Neural Networks, CNN)的特点
justisme的博客
07-07 2337
图形的特点： 图像的区域性--即：图像中某一个特征只与某一个子区域有关系，与整个图像没关系 图像特征与位置无关--即：图像所包含的内容与内容位于图像中的位置无关，只要它出现在图像中就OK了。 针对图像的以上特点，我们定义的卷积神经网络参数具有如下特点： 局部连接 全局共享 卷积核就是局部连接的参数。 加权求和本质是卷积操作没啥区别。 卷积核的参数 P=边距(paddi...
卷积神经网络
hyh14的博客
11-17 1101
全连接层，将卷积的输出。
《深入浅出图神经网络》读书笔记 1-2
HuixinZhang2013的博客
06-08 357
《深入浅出图神经网络》读书笔记第1章 图的概述第2章 神经网络基础2.1 机器学习基本概念2.2 神经网络2.4 训练神经网络 第1章 图的概述 图神经网络（Graph Neural Networ, GNN）的发展历程: 年份 人 贡献 论文 2005 Marco Gori 首次提出图神经网络的概念，在此之前，处理图数据的方法是在数据的预处理阶段将图转换为一组向量 A new model for learning in graph neural networks 2009 Miche
吴恩达deeplearning.ai系列课程笔记+编程作业(10)第四课 卷积神经网络-第一周 卷积神经网络（Foundations of Convolutional Neural Networks）
肖泽的博客
03-30 1772
第四门课 卷积神经网络（Convolutional Neural Networks） 第一周 卷积神经网络（Foundations of Convolutional Neural Networks） 文章目录第四门课 卷积神经网络（Convolutional Neural Networks）第一周 卷积神经网络（Foundations of Convolutional Neural Network...
《第5章-图信号处理与图卷积神经网络》学习笔记
智慧的旋风的博客
11-08 1668
第5章-图信号处理与图卷积神经网络 参考书目：《深入浅出图神经网络：GNN原理解析》。 图信号处理（GSP）是离信号处理（DSP）理论在图信号领域的应用,其通过傅里叶变换、滤波等信号处理基本概念的迁移，来研究对图信号的压缩、变换、重构等信号处理的基础任务。 基于空域的图卷积神经网络（Spatial-based ConvGNN）就是从图信号处理的理论中不断改进衍生出来的，正所谓“基础不牢，地动山摇”，了解和掌握GSP的相关知识就是基本功中的基本功。 5.1 矩阵乘法的三种视角 1、内积视角（正常） Cij=
吴恩达deeplearning.ai系列课程笔记+编程作业(11)第四课 卷积神经网络-第二周 深度卷积网络：实例探究（Deep convolutional models: case studies）
肖泽的博客
03-30 1720
第四门课 卷积神经网络（Convolutional Neural Networks） 第二周 深度卷积网络：实例探究（Deep convolutional models: case studies） 文章目录第四门课 卷积神经网络（Convolutional Neural Networks）第二周 深度卷积网络：实例探究（Deep convolutional models: case studie...
深入浅出理解卷积Convolutional原理和深度学习过程中CNN神经网络机理
最新发布
2401_84121573的博客
04-21 875
考虑到文章的篇幅问题，我把这些问题和答案以及我多年面试所遇到的问题和一些面试资料做成了PDF文档《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！[外链图片转存中…(img-jMbZSnqP-1713679063985)]《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
卷积神经网络为什么这么有效
06-26
在机器视觉和其他很多问题上，卷积神经网络取得了当前最好的效果，它的成功促使我们思考一个问题，卷积神经网络为什么会这么有效？在本文中，SIGAI将为大家分析卷积神经网络背后的奥秘。
Bengio 团队力作：GNN 对比基准横空出世，图神经网络的「ImageNet」来了.pdf
04-08
图神经网络（GNN）是当下风头无两的热门研究话题。然而，正如计算机视觉的崛起有赖于 ImageNet 的诞生，图神经网络也急需一个全球学者公认的统一对比基准。近日，Bengio 大神带领其团队发布了新的图神经网络对比基准测试框架以及附带的 6 个标准化数据集。大家可以开始尽情刷榜了！
僵尸网络_图神经网络.pdf
02-01
僵尸网络_图神经网络.pdf
图神经网络（GNN）【WSDM 2020】.zip
11-19
数据挖掘领域的国际会议WSDM将于2020年2月3日-2月7日在美国休斯敦召开，WSDM 2020全称为第13届国际互联网搜索与数据挖掘会议（The 13th International Conference on Web Search and Data Mining, WSDM 2020）。WSDM是CCF推荐的B类国际学术会议，由SIGIR、SIGKDD、SIGMOD和SIGWEB四个专委会协调筹办，在互联网搜索、数据挖掘领域享有较高学术声誉。这次会议共收到来自615篇长文投稿，仅有91篇长文被录用，录用率约15%。
卷积神经网络的三大特性
ThePaK的博客
06-28 2383
卷积神经网络的三大特性
深度学习——卷积神经网络特点汇总
邹小驴
10-23 610
https://www.cnblogs.com/guoyaohua/p/8534077.html
卷积神经网络三特性
weixin_44229976的博客
05-30 2246
卷积神经网络三特性：1.局部连接 1.局部连接： 相比较与全连接很大程度地减少了参数。 2.权值共享 3.池化 池化可以降维防治过拟合，提取层次特征，卷积核和池化还都能增大感受野。
深度学习笔记1——卷积神经网络概述
qq_24819773的博客
06-01 2041
目录 1.卷积神经网络特点概述 2.卷积神经网络在图像任务方面的优势概述 3.传统神经网络的缺点 3.1.庞大的参数 3.2.丢失像素间的信息 3.3.制约网络深度的发展 4.卷积神经网络的三大核心思想 4.1.局部感知 4.2.权值共享 4.3.下采样技术 5.可视化手写字体的网络特征 5.1.LeNet5的训练 5.2.可视化特征向量 5.3.获取最好的保存的模型 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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