卷积神经网络技术路线图

网络的下一层通过卷积核与上一层连接，或者将上一层的数据与卷积核进行卷积得到下一层。 在全连接网络中，上层的所有数据都链接到下一层的所有数据。 部分连接是指下一层只连接上一层的本地数据。

该图像是全连接的，下一层的每个单元都与上一层全连接。

此图像是部分连接。 可以看到顶层只有3个单元连接到下一层（流程如图所示）。 从下到上，所以我所说的顶层是底层，下一层是箭方向的顶层）。

本地连接的作用是减少计算参数。

1.也就是说，最常见的卷积神经网络结构是：INPUT-[[CONV-RELU]*N-POOL？]*M-[FC-RELU]*K-FC其中*指的是重复次数，POOL？指可选的聚合层。

2.目前的卷积神经网络一般是由卷积层、池化层和全连接层组成的前馈神经网络，并使用反向传播算法进行训练。 卷积神经网络具有三个结构特性：部连接、权重共享和聚合。 这些特性使得卷积神经网络对于平移、缩放和旋转具有一定的不变性。

3.卷积神经网络（CNN）是一种前馈神经网络。 卷积神经网络是基于生物感受野机（ReceptiveField）提出的。 感受野主要是指听觉系统、本体感觉系统和觉系统中神经元的某些特性。