机器学习问题总结

  1. CNN为什么具有鲁棒性?为什么具有旋转平移不变性
  2. 反卷积的操作?空洞卷积的操作?
  3. 卷积核的大小
  4. 卷积的运算(以卷积核为核心进行运算)以单个进行卷积,以滑窗进行卷积,卷积层可以降低矩阵的大小
  5. 卷积层可以降低矩阵的大小
  6. 参数共享机制:每个神经元连接数据窗的权重是固定的,权重是如何训练得到的

机器学习中的三大不等式

霍夫丁不等式
Jensen不等式
马尔可夫不等式

你可能感兴趣的:(卷积神经网络,机器学习,CNN)