机器学习、CNN的区别与联系

机器学习与CNN的关联解析

最新推荐文章于 2025-08-03 16:02:38 发布

莫言莫语123

最新推荐文章于 2025-08-03 16:02:38 发布

阅读量1.7k

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签：机器学习深度学习神经网络

本文链接：https://blog.youkuaiyun.com/weixin_42241438/article/details/86707927

本文探讨了机器学习中的模式识别与深度学习中的卷积神经网络（CNN）的关系。模式识别依赖专业知识设计分类规则，而CNN作为神经网络的一个分支，通过权重和偏置调整，实现对输入的电位响应，其核心功能是信息传递和敏感度控制。

机器学习之CNN

CNN与机器学习有什么关系：
一.模式识别/机器学习/深度学习简介
模式识别（Pattern recognition）机器学习（machine learning）和深度学习（seep learning）分别代表了三种不同的思想流派。
1. 模式识别
区分“3”和“B”，需要专门设计一些分类规则，如滤波，边缘检测和形态学处理等技术，设计到图像处理的专业知识。

      2. 机器学习
      从样本中学习的智能程序，是数据驱动的。强调的是给计算机程序输入一些数据之后，它对这些数据进行学习，（学习步骤是明确的）学习结果是对已有的数据的分类和预测模型，预测模型可以用于对未知数据的预测。
      3.深度学习
      模型中的参数可以从学习中获得。在深度学习的模型中，很流行的就是被用在大规模图像识别中的卷积神经网络（Covoulutional Neural Nets,CNN）,简称ConvNets。
      深度学习需要非常大的计算能力，大多在GPU熵进行计算。
      线性代数是基础。
      ![图片来源于此处}https://www.jianshu.com/p/726a5fdfeac5](https://img-blog.csdnimg.cn/20190130190308850.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjI0MTQzOA==,size_16,color_FFFFFF,t_70)
      本质上还是原来的神经网络，就是用复杂/庞大的神经网络进行机器学习。

二 CNN简介
一个神经网络最为核心的功能呢试能够进行根据若干个输入进行电位活动，并将电位信号传递出去，在传递过程，还可以控制电位信号到下一个神经元的敏感度。神经网络中的M-P模型正式对这些特征的建模抽象。
神经元的基本结构：M-P模型.
s=wp+bl s的输出通常成为净输入net，a=f（net），a也