深度学习之---卷积神经网络中各中操作的作用

【前馈神经网络】

• 前馈神经网络也叫做全连接网络。不过多介绍
• 缺点：
  • 在图像识别中会将多维向量平铺成一维向量，会丢失像素点之间的距离关系。
  • 无法将局部的权重应用到其他位置，带来的后果就是，如果在一个图像的右上角有一只猫，可以正确分类；当这只猫出现在左下角时，无法正确识别。

【局部连接】

• 所谓局部连接就是卷积神经网络。
• 卷积神经网络就是让权重在不同位置共享的神经网络。

• 如上图就是卷积运算，可以表示如下（两种不同的表达方式）：
• 这是单通道、单卷积核下的计算方式。
  
• 每一次卷积运算，其实就是一次局部区域的线性组合，加上一个偏置后，得到下一层网络的一个神经元的输出。

【空间共享】

• 当卷积核扫到其他位置计算输出节点时，比如$y_1$，$w_1,w_2,w_3$