CNN 卷积神经网络介绍.pptx

CNN 卷积神经网络介绍;第一篇 生物学神经网络;请用视觉表达图中的动物是什么？;图中是同一种动物？为什么？;人的视网膜如何工作;在视觉皮层中存在的两类细胞：简单细胞（simple cells) 和复杂细胞 (complex cells).Torsten Wiesel 和 David Hubel两位好基友 日以继夜在猫和猴身上做实验 在1950s末期发现了简单细胞 又在大约十年后发现了复杂细胞。 1981年的诺贝尔生理学及医学奖。;动物和人的大脑如何识别图像;第二篇 Cnn卷积神经网络;经典CNN结构图;计算机看到的图片;CNN卷积神经网络;CNN卷积神经网络识别图像的过程;卷积计算-矩阵相同位置相乘求和;卷积计算-矩阵相同位置相乘求和;卷积核的通道数;图像上做卷积的效果;卷积核是什么？;卷积计算为什么能检测图像的特征？;不同的卷积核多角度检测图像特征;深度卷积核检测图像更高层次的特征;图像卷积运算的结果;图像卷积运算的结果;全连接层-输出???测结果;全连接层-输出预测结果;第三篇 Cnn卷积神经网络的训练;内容概述;训练什么？;数据拟合;拟合任意连续函数;拟合任意连续函数;拟合任意连续函数;欠拟合过拟合;激活函数;神经元模型;数据归一化;梯度下降法;梯度下降法相关概念;梯度下降法;学习率η;卷积(Conv)协相关(Cross-correlation);BP反向传播算法-反馈网络误差;BP反向传播算法-前向计算;BP反向传播算法-反向传播;BP反向传播计算过程;BP反向传播计算过程;cnn反向传播计算过程;Cnn卷积层反向传播;Cnn卷积层反向传播;Cnn卷积层反向传播;Cnn卷积层反向传播;Cnn卷积层反向传播;如何训练;训练的方法;训练相关概念;神经网络的本质是什么？;四.应用篇 AI的应用场景和案例;训练一个五子棋高手;计算机视觉;计算机视觉;五.思考篇 AI存在的问题和本质;机器学习的本质;机器学习存在的问题;梯度下降法在高维空间陷入鞍点;神经网络的发展历程;Appendix