卷积神经网络CNN.pdfVIP

卷积神经网络〔CNN〕 一、简介 卷积神经网络〔Convolutional Neural Networks，简称CNN 〕是近年开展起来， 并引起广泛重视的一种高效的识别方法。 1962 年，Hubel 和Wiesel 在研究猫脑皮层中用于局部敏感和方向选择的神经 元时发现其独特的局部互连网络结构可以有效地降低反应神经网络的复杂性，继 [1] 7863 而提出了卷积神经网络 〔Convolutional Neural Networks-简称CNN 〕 。现在， CNN 已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该 网络防止了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为 广泛的应用。 Fukushima 在1980 年基于神经元间的局部连通性和图像的层次组织转换，为 解决模式识别问题，提出的新识别机〔Neocognitron 〕是卷积神经网络的第一个 [2] 实现网络 。他指出，当在不同位置应用具有相同参数的神经元作为前一层的 patches 时，能够实现平移不变性1296