卷积神经网络三个结构特性

卷积神经网络具有以下三个重要特点： 局部连接：相邻层中神经元之间的连接是局部的，这样可以有效地减少整个网络的参数数量。权值共享：卷积神经网络中每一个卷积核都可以被用于处理整张输入图片中所有的位置。池化操作卷积神经网络的两大特点:参数共享，局部连接局部连接：卷积层节点仅与上一层的部分节点相连，只用来学习部分特征，通过卷积核来实现,同一特征采用同一卷积核进行

卷积神经网络具有表征学习【representation learning】能力，能够按其阶层结构对输入信息进行平移不变分类。神经网络实质上是多层函数嵌套形成的数学模来源：机器学习算法那些事卷积神经网络是以卷积层为主的深度网路结构，网络结构包括有卷积层、激活层、BN层、池化层、FC层、损失层等。卷积操作是对

卷积神经网络结构包括：卷积层，降采样层，全链接层。每一层有多个特征图，每个特征图通过一种卷积滤波器提取输入的一种特征，每个特征图有多个神经元。输入图像统计和滤波器进行卷积之后，提取该局部特征，一旦该局部卷积神经网络有三个结构上的特性：局部连接，权重共享以及空间或时间上的次采样。这些特性使得卷积神经网络具有一定程度上的平移、缩放和扭曲不变性.