deeplearning讲解.pptVIP

* 两种深度结构（卷积神经网络） 卷积层 学习多个滤波器特征 对于200*200的图像，10*10的 区域卷积,10个滤波器，共1000个 参数，400，000个隐含单元。 * 两种深度结构（卷积神经网络） 卷积层 * 两种深度结构（卷积神经网络） 标准化层 通过标准化，可以使得对同 一个物体的噪音、明暗、粗糙程 度不同的图片，具有不变性。改 善优化。 * 两种深度结构（卷积神经网络） pooling层 pooling层是卷积后，在相邻的区域内， 取一个最大值或者平均值。 前者叫max pooling,后者叫avg pooling。 这是为了解决对象偏移和 旋转的情况。能起作用的偏移幅度， 就取决于 卷积时 patch 的大小， 步长，以及 pooling 的块大小。 * 两种深度结构（卷积神经网络） pooling层 * 两种深度结构（卷积神经网络） CNN典型体系结构 卷积层增加维数，而pooling层 减少维数。 Conv 后的一个点的影响范围是 图片的一个小块，等于filter的大小。 经过 Pooling 后的一个点，则受 很大一个区域的影响。依赖于filter 的 大小, 步幅, pooling的大小。 * 两种深度结构（卷积神经网络） 例子 共用了 5 个卷积 st