卷積層和池化層

來源:互聯網
上載者:User

標籤:size   font   標準   架構   部分   卷積神經網路   空間   串連   bp神經網路   

卷積神經網路是在BP神經網路的改進,與BP類似,都採用了前向傳播計算輸出值,反向傳播調整權重和偏置;CNN與標準的BP最大的不同是:CNN中相鄰層之間的神經單元並不是全串連,而是部分串連,也就是某個神經單元的感知地區來自於上層的部分神經單元,而不是像BP那樣與所有的神經單元相串連。CNN的有三個重要的思想架構:

  • 局部地區感知
  • 權重共用
  • 空間或時間上的採樣

卷積層和池化層

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.