7、卷积神经网络与区块链在手写数字识别中的结合

卷积神经网络与区块链在手写数字识别中的结合

1. 卷积神经网络与区块链简介

卷积在数学上意味着通过相同的方式使用两个函数来产生一个新的函数。在卷积神经网络（CNN）中，我们试图将输入图像转换为更具洞察力的图像，通过在图像上应用许多滤波器来检测特征，从而使模型的训练阶段更加有效。CNN是深度学习的一部分，而深度学习是机器学习的一个子集。它试图复制人类大脑的后脑部分，即大脑皮层，其中重要的视觉皮层用于人类视觉。由于其用于从图像中获取有意义信息的滤波器结构，CNN是图像分类、模式检测、目标检测和目标识别中最常用的机器学习模型之一。例如，自动驾驶车辆使用目标检测算法来检测和识别物体，并决定如何移动汽车。

区块链是一个不断扩展的记录列表，这些记录被称为块，通过密码学将这些块链接起来形成类似链条的结构，因此得名区块链。每个添加的块包含哈希码、时间戳和交易数据等信息，哈希码是添加到链中的最后一个块的加密代码。这种结构不能被篡改，因为每个交易都会添加一个块，并且其设计方式使其能够有效防止修改。区块链技术最常见的应用是加密货币，如比特币。

区块链支持的数据系统可以应用于医疗保健或学生教育领域，使用区块链技术可以更轻松地添加用户数据，并且更加安全。然后可以在这种数据上训练神经网络，以便更轻松地分析数据并拟合模型，而不是采用通用的数据收集方法。

2. 卷积神经网络的架构

卷积神经网络由卷积层、池化层和全连接层组成。
- 卷积层 ：卷积层有一个定义好的映射，它在图像上依次移动，将其各项与所在位置的图像项相乘，然后将乘积存储在新的输出矩阵中。滤波器的移动由步长值定义，步长值表示在图像上应用滤波器时，滤波器向右和向下