卷积神经网络学习心得

涉及问题：1 •每个图如何卷积:(1)—个图如何变成几个？(2 )卷积核如何选择?2 •节点之间如何连接?3.S2-C3如何进行分配?4.16-120全连接如何连接？5.最后output输出什么开彳式

涉及问题： 1 •每个图如何卷积: (1) —个图如何变成几个？ (2) 卷积核如何选择? 2 •节点之间如何连接? 3.S2-C3 如何进行分配? 4.16-120 全连接如何连接？ 5output .最后输出什么开彳式? ①各个层解释: 我们先要明确一点：每个层有多个每个通过一种卷积滤波 FeatureMap,FeatureMap 器提取输入的一种特征，然后每个有多个神经元。 FeatureMap 层是一个卷积层(为什么是卷积?卷积运算一个重要的特点就是，通过卷积运算，可 C1 以使原信号特征增强,并且降低噪音)，由个特征图构成。特征图中每个神经元与输 6FeatureMap 入中的邻域相连。特征图的大小为这样能防止输入的连接掉到边 5*528*28, 界之外(是为了反馈时的计算，不致梯度损失,个人见解)。有个可训练参数(每个滤波 BPC1156 器个参数和一个参数，一共个滤波器个参数),共 5*5=25unitbias6^(5*5+1)*6=156 个连接。 156*(28*28)=122,304 层是一个下采样层(为什么是下采样?利用图像局部相关性的原理,对图像进行子抽样，可以 S2 减少数据处理量同时保留有用信息)，有个的特征图。特征图中的每个单元与中相 614*14C1 对应特征图的邻域相连接。层每个单元的个输入相加,乘以一个可训练参数，再加上一 2*2S24