小组CNN卷积神经网络基本概念和案例讲解.pptxVIP

基于卷积神经网络的股票预测;;;1.1 引例-图像边界检测; “卷积”过程：用filter，往原图片上覆盖，对应元素相乘，然后求和。计算一个区域之后，就向其他区域挪动，接着计算，直到把原图片的每一个角落都覆盖到了为止。;? CNN（convolutional neural network），主要就是通过一个个的filter，不断地提取特征，从局部的特征到总体的特征，从而进行图像识别等等功能。 ?每个filter中的各个数字就是参数，可以通过大量的数据，来让机器自己去“学习”这些参数。这就是CNN的基本原理???;;;1.4 CNN基本结构;;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.1 卷积层;1.4.2 池化层;1.4.2 池化层;1.4.2 池化层; 全连接层中的每个神经元与其前一层的所有神经元进行全连接。全连接层可以整合卷积层或者池化层中具有类别区分性的局部信息 。为了提升 CNN 网络性能，全连接层每个神经元的激励函数一般采用 RELU 函数。最后一层全连接层的输出值被传递给一个输出层，可以采用 softmax 逻辑回归进行分类，该层也可称为 sof