cnn映射如下：
y=f(ai, ...),
ai1=f1(bj..), ai2=f2(bk,..); 其中bj..与bk..的补集不为空。
bj1=f3(cm..),...一直这样下去。
这个结构的网络函数有2个特征：
1，邻域变量强相关
2，权重复制
以上两点就是cnn的适用范围。理解如下：
1的理解，b1, b2若强相关，则其互信息较大，在推测y时，有信息冗余，我们构造一个a1=f1(b1,b2)，不同样本{y,b1,b2}上来后，我们发现只要a1不变，则y的分布P(y|a1)就不变，对应的b1,b2却是可变的，f1映射就去除了b1b2的冗余，精简为a1了。
2的理解，时间空间样本具有平移不变性：给定一张图片样本，对其平移旋转缩放后生成的新样本，仍然是合法的真实样本。这一属性，使得我们可以把f1的权值复制给f2,...
以上是直观理解。
cnn的基本假设是邻域强相关，基本思路是强相关的先合并。但在nlp中，句内有很多的长程关联，cnn不适合句内使用
http://wiki.jikexueyuan.com/project/tensorflow-zh/tutoria...
cnn映射如下： y=f(ai, ...), ai1=f1(bj..), ai2=f2(bk,..); 其中bj....
初学CNN，应当从生物学方面理解CNN的结构和工作模式。
转载：https://blog.csdn.net/Chrls_Wang/article/details/51706...
待续
1. CNN简介 本文主要介绍利用pytorch对CNN的计算有一个直观的认识，在此认为你已经对CNN有了一些理解...
Tensorflow中的卷积函数 tf.nn.conv2d(input, filter, strides, pad...
定义 一般来讲，在深度学习框架的Conv1d或Conv2d中，channels是一个必填的参数。TensorFlo...
预备知识一般来说，分类和识别都需要提取相应的特征来做决策，传统的机器学习在特征提取方面需要比较精细的设计，并且需要...
如何理解卷积神经网络（CNN）中的卷积和池化？- 知乎 CNN 其实可以看作 DNN 的一种特殊形式。它跟传统 D...
本文标题：CNN的理解
本文链接：https://www.haomeiwen.com/subject/gluouqtx.html
网友评论