美文网首页
CNN的理解

CNN的理解

作者: JamesPang_4841 | 来源:发表于2019-03-05 16:59 被阅读0次

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

相关文章

  • cnn的理解

    http://wiki.jikexueyuan.com/project/tensorflow-zh/tutoria...

  • CNN的理解

    cnn映射如下: y=f(ai, ...), ai1=f1(bj..), ai2=f2(bk,..); 其中bj....

  • 2018-01-02 初学CNN

    初学CNN,应当从生物学方面理解CNN的结构和工作模式。

  • CNN理解笔记

    转载:https://blog.csdn.net/Chrls_Wang/article/details/51706...

  • 彻底理解CNN

    待续

  • 基于pytorch的CNN计算简介

    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 CNN卷积的理解

    Tensorflow中的卷积函数 tf.nn.conv2d(input, filter, strides, pad...

  • 理解CNN中的channels

    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...

  • CNN原理解析

    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...

  • CNN 卷积和池化

    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...

网友评论

      本文标题:CNN的理解

      本文链接:https://www.haomeiwen.com/subject/gluouqtx.html