卷积神经网络cnn从入门到精通.pdf

卷积神经网络 CNN 从入门到精通 前言 　　从理解卷积神经到实现它，前后花了一个月时间，现在也还有一些地方没有理解透 彻，CNN 还是有一定难度的，不是看哪个的博客和一两篇论文就明白了，主要还是靠 自己去专研，阅读推荐列表在末尾的参考文献。目前实现的CNN MINIT 数据集上效 果还不错，但是还有一些 bug，因为最近比较忙，先把之前做的总结一下，以后再继续 优化。 　　卷积神经网络 CNN 是 Deep Learning 的一个重要算法，在很多应用上表现出卓 越的效果，中对比多重算法在文档字符识别的效果，结论是 CNN 优于其他所有的算法。 CNN 在手写体识别取得最好的效果，将 CNN 应用在基于人脸的性别识别，效果也非常 不错。前段时间我用 BP 神经网络对手机拍照图片的数字进行识别，效果还算不错，接 近 98%，但在汉字识别上表现不佳，于是想试试卷积神经网络。 1、CNN 的整体网络结构 　　卷积神经网络是 BP 神经网络的改进，与 BP 类似，都采用了前向传播计算输出 值，反向传播调整权重和偏置；CNN 与标准的 BP 最大的不同是：CNN 中相邻层之间 的神经单元并不是全连接，而是部分连接，也就是某个神经单元的感知区域来自于上层 的部分神经单元