[人工智能-深度学习-22]：卷积神经网络CNN -- 单层神经网络的本质是矩阵相乘

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：[人工智能-深度学习-22]：卷积神经网络CNN -- 单层神经网络的本质是矩阵相乘_文火冰糖（王文兵）的博客-CSDN博客

---

目录

第1章 单个神经的本质是一维矩阵（向量）内积（点乘）

1.1 任意维度输入形态的神经元本质：算术乘+累加和

1.2 任意维度形态的神经元都可以转换成一维输入的神经元：一维矩阵相乘

1.3 多样本输入并发运算的神经元模型

第2章 神经网络模型（多个独立的神经元）

2.1 单样本，多个神经元输出并发运算的模型

2.2 多样本，多个神经元输出并发运算的模型

---

第1章 单个神经的本质是一维矩阵（向量）内积（点乘）

1.1 任意维度输入形态的神经元本质：算术乘+累加和

 

（1）先是按位算术相乘

（2）然后再累加和

1.2 任意维度形态的神经元都可以转换成一维输入的神经元：一维矩阵相乘

矩阵模型：（1*n）的矩阵   x   (n * 1)的矩阵 = （1 *1）矩阵输出

本质：一维矩阵（向量）相乘（内积、点乘），这是矩阵相乘的核心与基础。

矩阵相乘的本质：是在每个输出位置执行一次向量相乘（内积）

1.3 多样本输入并发运算的神经元模型

 矩阵模型：（s*n）的矩阵                        x                   (n * 1)的矩阵 =  （s *1）矩阵输出

本质：二维矩阵 * 一维矩阵

第2章 神经网络模型（多个独立的神经元）

2.1 单样本，多个神经元输出并发运算的模型

 矩阵模型：（1*n）的矩阵     x                   (n * m)的矩阵                =  （1 * m）矩阵输出

本质：一维矩阵 * 二维矩阵

2.2 多样本，多个神经元输出并发运算的模型

矩阵模型：（s*n）的矩阵             x                   (n * m)的矩阵           =     （s * m）矩阵输出

本质：二维矩阵 * 二维矩阵

矩阵相乘的本质：是在每个输出位置执行一次向量相乘（内积）

---

 作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/120798249