卷积、卷积神经网络介绍如下:
一、卷积简介
在泛函分析中,卷积、旋积或褶积是通过两个函数f和g生成第三个函数的一种数学运算,其本质是一种特殊的积分变换,表征函数f与g经过翻转和平移的重叠部分函数值乘积对重叠度的积分。 将参加卷积的一个函数看作区间的指示函数,卷积还可以看作是“滑动平均”的推广。
二、卷积神经网络
卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(FeedforwardNeuralNetworks),是深度学习(deeplearning)的代表算法之一。
卷积神经网络具有表征学习(repre sentationlearning)能力,能够按其阶层结构对输入信息进行平移不变分类(shift-invariantclassification),因此也称为“平移不变工神经网络(Shift-InvariantArtificialNeuralNetworks,SIANN)”。
卷积神经网络的连接性和生物学相似性:
1、连接性
卷积神经网络中卷积层间的连接称为稀疏连接,即相比于前馈神经网络中的全连接,卷积层中的神经元仅与其相邻层的部分,而非全部神经元相连。 具体地,卷积神经网络第l层特征图中的任意一个像素(神经元)都仅是l-1层中卷积核所定义的感受野内的像素的线性组合。
卷积神经网络的稀疏连接具有正则化的效果,提高了网络结构的稳定性和泛化能力,避免过度拟合,同时,稀疏连接减少了权重参数的总量,有利于神经网络的快速学习,和在计算时减少内存开销。
2、生物学相似性
卷积神经网络从猫觉皮层电生理研究中获得启发,通过仿造生物的知觉机来构建模型。 卷积网络中卷积核的设定就对应着觉神经系统中觉皮层对觉空间的组织。 觉皮层细胞从网膜上的感受器接收信号,但单个觉皮层细胞不会接收感受器的所有信号。
上一篇:卷积神经网络模型有哪些
下一篇:卷积神经网络基本原理