您现在的位置:主页 > 军事新闻 >

卷积神经网络(CNN)背后的数学解谜_科技频道_东方资讯

发布日期:2020-07-19 00:18   来源:未知   阅读:

卷积神经网络(CNN)?几乎听起来像是生物学,艺术和数学的融合。

由CNN驱动的深度学习模型现在无处不在,你会发现它们已散布到全球的各种计算机视觉应用程序中。就像XGBoost和其他流行的机器学习算法一样,卷积神经网络通过黑客马拉松(2012年ImageNet竞赛)进入了公众的意识。

从那时起,这些神经网络就如火一样吸引了灵感,并扩展到各个研究领域。以下是一些使用CNN的流行计算机视觉应用程序:

面部识别系统

通过文档分析和解析

智慧城市(例如交通摄像头)

推荐系统,以及其他用例

但是,为什么卷积神经网络能很好地工作呢?与传统的人工神经网络相比,它的性能如何?为何深度学习专家喜欢它?

要回答这些问题,我们必须了解CNN实际上是如何运作的。在本文中,我们将研究CNN模型背后的数学原理。神经网络导论

神经网络是所有深度学习算法的核心。但是,在深入研究这些算法之前,对神经网络的概念有一个很好的了解是很重要的。

这些神经网络试图模仿人脑及其学习过程。就像大脑接受输入,对其进行处理并生成一些输出一样,神经网络也是如此。

这三个动作- 接收输入,处理信息,生成输出 -在神经网络中以层的形式表示-输入,隐藏和输出。以下是神经网络的骨架:

这些层中的各个单元称为神经元。神经网络的完整训练过程包括两个步骤。