卷积神经网络总结

深度学习系列～卷积神经网络

漫谈

毕业设计顺利结束，这三个月以来每天都有事做的感觉真的很好，能够专注的去读论文、写代码、写论文，并且毕设期间确实学到了很多东西，尤其是大学四年很少涉及的算法，这几个月通过不断地学习与编码实践，感觉自己的算法能力稍稍提高了些，也对自己未来研究生阶段的学习增添了信心吧。

福利

后台回复"机器学习"可获得电子版西瓜书等资源，回复"深度学习"可获得花书等资源。

简介

本篇文章主要是对毕业设计中涉及的深度学习算法——卷及神经网络，进行简单的描述和总结，其中涉及的详细的数学推导可以参考南瓜书中的内容。本篇不做详细阐述。

什么是卷积神经网络？

这样的问题，Google一下会出现各种各样的答案，阅读之后会发现，大家讲的都比较深奥而又不易理解，对于卷积神经网络，我的理解是：

1. 首先，他是一个网络结构的多层模型。
2. 其次，层与层之间的连接是通过数学运算——卷积，来维持的。

通俗来讲，可以把卷积神经网络看做一个加工机器，我们把实验数据作为原材料，然后将原材料喂给加工机器，加工机器经过卷积运算也就是材料加工过程，得到成品即分类预测的结果。

---

为什么要选择使用卷积神经网络？

第一：参数少

在上一个问题中，已将把卷积神经网络理解为加工机器，这个比喻也恰恰回答了这个问题。在普通的神经网络中，层与层之间都要做相应的运算，我们以两层网络（每层5个神经元）为例：

神经元1	神经元2	神经元3	神经元4	神经元5
神经元6	神经元7	神经元8	神经元9	神经元10

那么在上表中，每一个神经元都要跟下层的所有神经元进行运算，故需要运算参数5*5=25次，