记录：卷积神经网络

工作原理

卷积层

参考https://blog.csdn.net/weixin_42652508/article/details/82726200

池化层

1、最大池化
输出每个区域的最大值
2、平均池化
输出每个区域的平均值
池化例子
这里选择了2x2的过滤器，步长为2。

全连接层

反向传播法（BP算法）
参考https://www.cnblogs.com/charlotte77/p/5629865.html

激活函数

常用的激活函数有sigmoid：
tanh、线性整流单元relu等等，前两者sigmoid/tanh比较常见于全连接层，后者ReLU常见于卷积层。
ReLU(The Rectified Linear Unit，修正线性单元)，它的特点是收敛快，求梯度简单。计算公式：max(0,T)，即对于输入的负值，输出全为0，对于正值，则原样输出。

分类

卷积神经网络包括：
一维卷积神经网络主要用于序列类的数据处理
二维卷积神经网络常应用于图像类文本的识别
三维卷积神经网络主要应用于医学图像以及视频类数据识别。

经典模型

参考https://blog.csdn.net/yaoxunji/article/details/88351396

参考

https://blog.csdn.net/weixin_42652508/article/details/82726200
https://www.cnblogs.com/wj-1314/p/9754072.html
https://www.cnblogs.com/charlotte77/p/5629865.html
https://blog.csdn.net/yaoxunji/article/details/88351396
仅供学习、研究