-
人工神经网络
- 它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型
- 是一种运算模型,由大量的节点(或称神经元)之间相互联接构成
- 网络的输出则依网络的连接方式,权重值和激励函数的不同而不同
-
卷积神经网络
- 是深度学习的代表算法之一
- 可以用于构建阶层分类器,也可以在精细分类识别中用于提取图像的判别特征以供其它分类器进行学习
- 在原来多层神经网络的基础上,加入了特征学习部分,这部分是模仿人脑对信号处理上的分级的
- 可以直接将图片作为网络的输入,自动提取特征,并且对图片的变形等具有高度不变形
- 隐藏层分为卷积层和池化层,卷积层通过一块块卷积核在原始图像上平移来提其特征,池化层是一个筛选过滤的过程。每一次卷积,可能会丢失一些信息,池化可以 将有用的信息筛选出来,给下一层分析。
- 主要应用是计算机视觉和自然语言处理
-
深度学习
- 学习样本数据的内在规律和表示层次,是机器学习研究中的一个领域
- 建立可以模仿人脑进行分析学习的神经网络,它模拟人脑机制来解释数据(如声音、图像)。
- 通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示
- 之所以是深度,是因为之前的机器学习方法都是浅层学习,可以理解为传统神经网络的发展
- 主要应用是计算机视觉和自然语言处理
人工神经网络和卷积神经网络的区别
于 2022-02-27 20:44:31 首次发布