深度学习（Deep Learning）读书思考五：卷积神经网络（CNN）

概述

卷积神经网络早在80年代就被提出，并且成功用于手写字体识别。近年由于其在图像识别、语音识别以及NLP方面的成功表现，成为最成功的网络结构之一。本节主要介绍

1. CNN背后的动机
2. CNN中Pooling层以及经典CNN架构
3. CNN各种变种

另外关于CNN在NLP方面的应用可以参考。
* CNN在NLP中应用形式
* CNN用于文本分类

CNN提出动机

卷积

卷积在CNN中主要表现为矩阵乘积累加和，例如一维卷积表示为

s(x)=∫f(t)g(x−t)dt

二维卷积表示为

s(x,y)=∫i∫jf(x−i)g(y−j)didj

离散形式应用的更多一些，使用举例可以参考之前的博客。

在CNN中，x常常用于表示输入（特征或者隐藏特征）；g表示卷积核（需要自动学习得到）；s表示卷积的输出，也称特征映射。

动机

CNN相比于其他神经网络，主要优势在于

稀疏连接

稀疏连接相比于全连接网络结构，每个输出只和部分输入相关联。此时可以大大降低参数个数以及计算复杂度，同时也提供参数共享的功能。
例如：如果有m个输入，n个输出；如果全连接则参数个数为O(m*n);对于CNN网络结构，每个输出和k个输入关联，则O(k*n)，一般k << m可以大大降低参数个数。

参数共享

参数共享是指一个卷积核可以用于整个输入层，达到参数共享的作用。

1. 下图是全连接网络，即每个输出s和每个输入都有关联。上图是CNN结构，有稀疏结构，每个输出s仅和相邻的两个输入关联。
2. CNN中每个参数可作用于所有的输入，而全连接网络一个参数仅关联固定输入。

变化等价

变化等价是指：输入先进行变化再进行卷积等价于 对输入先卷积在变化。此时可以通过多个卷积核发现多种类型的特征映射，结合池化层（pooling）可以学习到各种转换。

池化层（Pooling）

池化层是CNN中非常关键的一个网络层，也是区分于其他网络结构的重点。典型的CNN网络结构如下：

池化层的功能体现在

1. 池化层有多种形式，比较常见的是 max-pooling和average pooling
2. 通过pooling层可以使得捕获局部显著特征，即对输入变化保持不变。
3. pooling相当于加入了非常强的先验，即局部改变不影响输出。
4. pooling也可以处理变长的输入，得到定长的输出。

卷积变种

Zero-Padding

Zero-Padding是指是否对原始输入进行放宽，并且进行补零操作，如果不进行zero-padding，相当于对输入进行收缩，即使使用很小的卷积核也很快输出变成0.

有多种方式进行 zero-padding：
1. valid 卷积：不进行卷积，如果有m个输入，卷积核程度为k，则输出为m-k+1
2. same 卷积：补充一定数量使得输出和输入大小一致。
3. full 卷积，补充足够多的零，使得每一个输入经过卷积核k次，则输出为m+k-1

卷积形式

不共享卷积

卷积不共享参数，也成为局部连接，每个输入和固定个数输入关联，但是不应用全部输入。一般使用场景是对输入十分了解，可以指定输出和输入对应关系。下图举例

注：最上层是局部连接的卷积层。中间是标准卷积层。最下是全连接网络。

Tiled 卷积

Tiled 卷积：介于标准和局部连接之间。

注：最上是局部连接卷积层；中间是Tiled卷积；最下是标准卷积。

总结

本文简单介绍了CNN的概念包括卷积、池化、zero-padding等，关于CNN还有很多知识点包括结构化输出、数据类型、卷积算法、池化策略等。还需要根据应用研究相关算法。