CNN 入门PPT.pdf

: .
Preknowledge
 卷ith .
Preknowledge
 卷积神经网络，是在神经网络的基础上进化而来的，想要理解卷积神经网络的原理，
首先要理解什么是神经网络。
 神经网络的本质是一个分类器，如果将一个网络视为黑箱，那么它的输入是一个对象
的特征向量，输出是这个对象所属的类别。
 主要由三个部分组成：
损失函数（loss function）
激活函数（activation function）
神经元（Cell） : .
Preknowledge
 卷积神经网络，是在神经网络的基础上进化而来的，想要理解卷积神经网络的原理，
首先要理解什么是神经网络。
 神经网络的本质是一个分类器，如果将一个网络视为黑箱，那么它的输入是一个对象
的特征向量，输出是这个对象所属的类别。
 主要由三个部分组成：
损失函数（loss function）
激活函数（activation function）
神经元（Cell） : .
损失函数（Loss Function）
 神经网络作为一个分类器，之所以能够work，最主要的原因在于训练。
 一个网络的初始参数是完全随机的，这样将数据输入网络，得到的输出也是
完全随机的。
 但是在训练过程中，输入的数据是有标注的，即我们知道每一条输入数据的
真实类别。
 在每一次训练后，损失函数会获得本次的分类结果，通过将每一条结果与真
实类别比较，损失函数会给出本次分类与真实类别的差距。这个差距将指导
神经网络更新参数。 : .
Preknowledge
 卷积神经网络，是在神经网络的基础上进化而来的，想要理解卷积神经网络的原理，
首先要理解什么是神经网络。
 神经网络的本质是一个分类器，如果将一个网络视为黑箱，那么它的输入是一个对象
的特征向量，输出是这个对象所属的类别。
 主要由三个部分组成：
损失函数（loss function）
激活函数（activation function）
神经元（Cell） : The document was create