您的位置:首页 > 理论基础 > 计算机网络

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
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签:  神经网络 cnn