四、卷积神经网络

4.1 卷积神经网络简介

4.1.1 卷积神经网络与传统多层神经网络对比

输入层

隐藏层：卷积层、激活层、池化层、全连接层

输出层

4.1.2 卷积神经网络发展历史

4.1.3 卷积网络ImageNet比赛错误率

4.2 卷积神经网络原理

卷积层、激活层、池化层、全连接层

4.2.1 卷积神经网络三个结构

池化层：也叫下采样subsample

4.2.2 卷积层（Convolutional Layer）

卷积核-filter-过滤器-模型参数-卷积单元

4.2.3 激活函数

随着神经网络的发展，大家发现原有的sigmoid等激活函数并不能达到好的效果，所以才去新的激活函数。

• Relu

• Tanh

• sigmoid

4.2.4 池化层（Polling）

1 池化层计算

4.2.5 全连接层

与之前讲的全连接一样

4.2.6 卷积神经网络总结

卷积层->激活层->池化层->全连接层

4.3 案例：CNN-Mnist手写数字识别

4.3.1 网络设计