加载中…
个人资料
科技狂热者-于洪康
科技狂热者-于洪康
  • 博客等级:
  • 博客积分:0
  • 博客访问:3,888
  • 关注人气:1
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
相关博文
推荐博文
谁看过这篇博文
加载中…
正文 字体大小:

谈谈我对“深度学习CNN”的见解

(2018-08-16 09:31:05)
标签:

深度学习

深度学习算法

cnn

卷积层

卷积神经网络

其实,深度学习就像探寻外太空的生命一样,充满着梦幻色彩,是人类的美好想象。以前的电脑,能快速的运算并存储数据,并没有任何的“自我”意识。现如今,电脑技术迅速发展,电脑可以表现的非常强大,“深度学习”初成型。

谈谈我对“深度学习CNN”的见解

大家应该都知道“图灵试验”的设想,简而言之,就是隔墙对话,你并不能通过听觉来区分人类与机器。这个1950年的设想,给了人们很大的希望和失望。因为过了大半个世纪,直到现在,机器学习领域才取得了突破性的进展。人们知道了计算机不仅仅只限于对大数据的处理能力,还依赖于算法,这个算法称为“深度学习”算法。

深度学习是一个框架,其包含了多个重要算法:

Convolutional Neural Networks(CNN)卷积神经网络

AutoEncoder自动编码器

Sparse Coding稀疏编码

Restricted Boltzmann Machine(RBM)限制波尔兹曼机

Deep Belief Networks(DBN)深信度网络

Recurrent neural Network(RNN)多层反馈循环神经网络神经网络

其中,卷积神经网络(CNN)是人工神经网络的一种亦或是多层神经网络,擅长处理图像的一种算法。我为大家简单介绍下卷积神经网络的大致组成部分:卷积层、池化层、全连接层。其中,卷积层与池化层相互配合:

卷积神经网络由两类神经元作用:一个叫Cconvolution),卷积,卷积操作主要用来提取事物的特征;一个叫Ssubsampling),下采样,也可以叫做特征映射,其实就是池化操作。如图:

谈谈我对“深度学习CNN”的见解

卷积神经网络的概念示范:输入图像通过和三个可训练的滤波器和可加偏置进行卷积,滤波过程,卷积后在C1层产生三个特征映射图,然后特征映射图中每组的四个像素再进行求和,加权值,加偏置,通过一个Sigmoid函数(使得特征映射具有位移不变性)得到三个S2层的特征映射图。这些映射图再进过滤波得到C3层。这个层级结构再和S2一样产生S4。最终,这些像素值被光栅化,并连接成一个向量输入到传统的神经网络,得到输出。

全连接层常简称为 FCFully Connected Layer),在整个卷积神经网络中起到“分类器”的作用。如果说卷积与池化的基本单元是局部视野,用它类比我们的眼睛的话,它能将接收的输入中的各个特征提取出来;至于FC、则可以类比我们的神经网络(甚至说、类比我们的大脑),它能够利用得到的信号(特征)来做出相应的决策。概括地说、CNN 视卷积与池化为“眼”而全连接为“脑”,眼脑结合则决策自成。

作者:于洪康 13162397059  QQ:1244198905

【参考】查看原文

0

阅读 评论 收藏 转载 喜欢 打印举报/Report
  • 评论加载中,请稍候...
发评论

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

      

    新浪BLOG意见反馈留言板 电话:4000520066 提示音后按1键(按当地市话标准计费) 欢迎批评指正

    新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

    新浪公司 版权所有