《常用的神经网络结构概述》2300字.docxVIP

常用的神经网络结构概述

目录

TOC\o1-3\h\u11825常用的神经网络结构概述 1

144301.1.1卷积神经网络 1

138021.1.2循环神经网络 3

在深度学习中，深度神经网络的应用是最为广泛的，并且已取得了较好的效果，相比较以往的传统神经网络，除去输入层和输出层，其中还包括很多隐藏层，当数据进行输入时，通过中间的隐藏层逐步处理后才由输出层进行输出。如果输入的数据复杂，则需要经过的层数就越多，因此深度模型在一些复杂任务上通常能表现出较好的学习能力。深度神经网络模型结构如下图所示：

图2-3深度神经网络结构模型

并且，在神经网络模型中存在大量的神经元节点，各个神经元节点相互连接，每个神经节点通过设置好的激励函数处理经过的信息。最终输出通过损失函数来计算预期得到的结果和通过神经网络得到的结果偏差，当损失值越小，则网络预测结果越精准，还可以通过优化算法进行训练优化，得到最佳的结果。本小节将根据本课题需求，介绍项目相关运用的神经网络结构。

卷积神经网络

卷积神经网络（CNN），也叫Convnet，是计算机视觉应用中常见的一种深度学习模型，卷积神经网络的研究开始于一九九零年。其中，LeNet-5网络是最早出现的卷积神经网络之一，具体的，LeNet-5网络是由4层卷积层和2层全连接层组成的REF_Re\n