卷积神经网络（CNN）以其局部感受野和权重共享的特点在图像处理中表现出色，也在文本分析领域展现出潜力。CNN可以用于文本分类、情感分析等任务，其模型输入可以是词序列或字符序列，甚至结合预训练的词向量。通过卷积、池化和全连接层，CNN能够自动提取文本特征，无需大量人工特征工程。
什么是卷积神经网络
卷积神经网络是一种特殊的、简化的深层神经网络模型，它的每个卷积层都是由多个卷积滤波器组成。它最先由lecun在LeNet[40]中提出，网络结构如下图所示。在cnn中，图像的一小部分(局部感受区域)作为层级结构的最低层的输入，信息再依次传输到不同的层，每层通过多个卷积滤波器去获得观测数据的最显著的特征。
卷积神经网络中的每一个特征提取层(卷积层)都紧跟着一个用来求局部平均与二次提取的计算层(pooling层)，这种特有的两次特征提取结构使网络在识别时对输入样本有较高的畸变容忍能力。如下图所示，就是一个完整的卷积过程。
它的特殊性体现在两点：
(1)局部感受野(receptive field)，cnn的神经元间的连接是非全连接的；
(2)同一层中同一个卷积滤波器的权重是共享的(即相同的)。
局部感受野和权重共享这
最低0.47元/天 解锁文章
扫一扫
1452
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
