《人工神经网络：模型、算法及应用》 课件-第8、9章-卷积神经网络模型及应用、 生成对抗网络.pptx

人工神经网络： 模型、算法及应用;2;3;4;一、定义 卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表之一。卷积神经网络具有表征学习能力，能按其阶层结构输入信息进行平移不变分类，因此也被称为平移不变神经网络。目前较为流行的卷积神经网络大多是由若干个卷积层（Convolution Layer）和子采样层（池化层，Pooling Layer）交替堆叠而成的深层网络结构。; 输入（Input）：如图所示，图像输入是一个7×7×3的像素矩阵，最后一维表示通道数值（RGB彩色图像）。这个矩阵上每个点（也可以理解为该矩阵的第i行第j列所指的数值）即为人眼所见的一个像素。; 图中，最左侧一列的三个大矩阵分别表示输入图像R/G/B三通道所对应的图形像素值，卷积核的大小由网络设计需求决定，其通道数与原图像一致，代码中的卷积操作分为主要的三个参数：卷积核尺寸、步长（Stride）、像素扩展（像素填充，Padding）大小。 ; ②步长Stride意味着下一步要进行卷积操作的间隔。在原图上进行卷积的顺序是依次将该卷积核先从从左到右、再从上到下进行的。以图为例，从左图到右图的卷积顺序每次运算卷积核只滑动一个单位元素数值，行间滑动也是一样的原理，这种情况就是步长Stride为1。; ③其次是像素扩展Pa