LeNet5是经典的卷积神经网络，用于手写数字识别。它包含2个卷积层（C1, C3），2个平均池化层（S2, S4）和2个全连接层（C5, F6）。网络结构中使用了卷积、池化和非线性激活函数，以提取特征并降低计算复杂度。最后的输出层采用RBF层，有10个输出对应10个数字类别。"
110395055,10294402,MATLAB Simulink在车辆能耗仿真中的应用,"['MATLAB', 'Simulink', '车辆动力学', '软件开发', '仿真技术']
#本文意为总结自己学习的网络模型，以留作笔记使用,如有错误，欢迎在下方评论
一、简介
Lenet是一个用来识别手写数字的最经典卷积神经网络，是早期卷积神经网络中最有代表性之一，其论文是CNN领域第一篇经典之作。
二、网络结构
LeNet-5网络是针对灰度图进行训练的,输入图像大小为32*32*1,不包含输入层的情况下共有7层(2conv,2pool,2fc,1output)
Conv -- 通过卷积运算，可以使原信号特征增强，并且降低噪音
Subsampling --- 利用图像局部相关性的原理,对图像进行子抽样,可以减少数据处理量同时保留有用信息,降低网络训练参数及模型的过拟合程度
Lenet的特点
(1)每个卷积层包含三个部分：卷积、池化和非线性激活函数
(2)使用卷积提取空间特征
(3)降采样（Subsample）的平均池化层（Average Pooling）
(4)双曲正切（Tanh）或S型（Sigmoid）的激活函数
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
