《卷积神经网络综述》2400字.docx

PAGEXXV

PAGEXXV

卷积神经网络综述

卷积神经网络概况

在卷积神经网络进行多层次的学习过程中，网络层数虽然在一定程度上决定了整个网络的表达能力，但是这种关系并不绝对，任何事物都会存在物极必反的情况，当网络层数达到或者超过某一个阈值的时候，会出现导致表达能力下降的反效果。为了解决这一问题，本设计在训练过程中加入了验证集，主要用来防止在工业过程中由于网络模型较大导致的不方便实施或者导致的拟合程度过高导致的过拟合现象。

卷积神经网络结构主要是由输入层、卷积层、激励函数层、池化层和全连接层构成。在数据进入输入层之前，首先进行一系列的数据预处理，提高处理效率。输入的数据不一样