卷积神经网络Convolutional Neural Networks
2016-10-11 20:51
239 查看
摘要
CNN模型如何用Theano实现LeNet-5
如何使用GPU加速运行CNN
稀疏连接
CNN利用空间上的相关性来加强本地连接参数与相邻层神经元的关系。在隐层m中隐藏单元,是从上一层m−1中的子集计算而得的。具体示意图如下:共享权重
在CNN中,每个滤波器hi都是从整个可视域中计算而得的。这些单元共享参数并形成了特征图。特征图的形成是通过在整个图片中运行函数:
最大池化
最大池化是一种非线性的向下采样。最大池化的具体过程是将输入图片分割成不重叠的小方块,对于任意区域计算其最大值。最大池化有两个作用:
可以减少下一层的计算量
可以使得算法具有形变不变形
LeNet
代码实现
代码下载原文网址
http://deeplearning.net/tutorial/lenet.html参考文献
Gradient-Based Learning Applied to Document Recognition相关文章推荐
- Convolutional Neural Networks 卷积神经网络
- Convolutional Neural Networks卷积神经网络
- [Neural Networks] (Convolutional Neural Networks)CNN-卷积神经网络学习
- Deep Learning(深度学习)Convolutional Neural Networks卷积神经网络
- 卷积神经网络CNN(Convolutional Neural Networks)没有原理只有实现
- (Convolutional Neural Networks)CNN-卷积神经网络学习
- (转载)Convolutional Neural Networks卷积神经网络
- 卷积神经网络Convolutional Neural Networks
- 深度学习: Convolutional Neural Networks卷积神经网络
- Deep Learning(深度学习)学习笔记整理系列之(七)Convolutional Neural Networks卷积神经网络
- Convolutional Neural Networks卷积神经网络 Contents 一:前导 Back Propagation反向传播算法 网络结构 学习算法 二:Convolutional N
- 卷积神经网络(Convolutional Neural Networks,CNNS/ConvNets)
- CS231n学习记录Lec6 Convolutional Neural Networks卷积神经网络
- Convolutional Neural Networks卷积神经网络
- 卷积神经网络小结(Convolutional Neural Networks)
- Convolutional Neural Networks卷积神经网络
- Coursera deeplearning.ai 深度学习笔记4-1-Foundations of Convolutional Neural Networks-卷积神经网络基础及代码实现
- 卷积神经网络简介(Convolutional Neural Networks,简称CNN)
- 卷积神经网络(Convolutional Neural Networks)
- Deep Learning(深度学习)Convolutional Neural Networks卷积神经网络