深度学习 | MATLAB实现CNN卷积神经网络结构及参数概述

深度学习 | MATLAB实现CNN卷积神经网络结构及参数概述

目录

    • 深度学习 | MATLAB实现CNN卷积神经网络结构及参数概述
      • 基本介绍
      • 模型描述
      • 训练过程
      • 计算函数
      • 参考资料

基本介绍

卷积神经网络是近年发展起来,并引起广泛重视的一种高效识别方法。与普通神经网络非常相似,它们都由具有可学习的权重和偏置常量的神经元组成。每个神经元都接收一些输入,并做一些点积计算,输出是每个分类的分数。那么与其他的神经网络在分类方面哪里不同呢?

  • 卷积神经网络默认输入是图像,一个卷积神经网络由很多层组成,它们的输入是三维的,输出也是三维的,有的层有参数,有的层不需要参数。
  • 卷积神经网络包含了一个由卷积层和子采样层构成的特征抽取器。在卷积神经网络的卷积层中,一个神经元只与部分邻层神经元连接。
  • 在CNN的一个卷积层中,通常包含若干个特征平面,每个特征平面由一些矩形排列的的神经元组成,同一特征平面的神经元共享权值,这里共享的权值就是卷积核。
  • 卷积核一般以随机小数矩阵的形式初始化,在网络的训练过程中卷积核将学习得到合理的权值。共享权值(卷积核)带来的直接好处是减少网络各

你可能感兴趣的:(深度学习,#,CNN卷积神经网络,#,TCN时间卷积神经网络,深度学习,卷积神经网络,CNN)