卷積神經(jīng)網(wǎng)絡（關于卷積神經(jīng)網(wǎng)絡的介紹）

大家好，小安來為大家解答以上的問題。卷積神經(jīng)網(wǎng)絡，關于卷積神經(jīng)網(wǎng)絡的介紹很多人還不知道，現(xiàn)在讓我們一起來看看吧！

1、卷積神經(jīng)網(wǎng)絡（Convolutional Neural Networks, CNN）是一類包含卷積計算且具有深度結構的前饋神經(jīng)網(wǎng)絡（Feedforward Neural Networks），是深度學習（deep learning）的代表算法之一。

2、卷積神經(jīng)網(wǎng)絡具有表征學習（representation learning）能力，能夠按其階層結構對輸入信息進行平移不變分類（shift-invariant classification），因此也被稱為“平移不變人工神經(jīng)網(wǎng)絡（Shift-Invariant Artificial Neural Networks, SIANN）”。

3、對卷積神經(jīng)網(wǎng)絡的研究始于二十世紀80至90年代，時間延遲網(wǎng)絡和LeNet-5是最早出現(xiàn)的卷積神經(jīng)網(wǎng)絡；在二十一世紀后，隨著深度學習理論的提出和數(shù)值計算設備的改進，卷積神經(jīng)網(wǎng)絡得到了快速發(fā)展，并被大量應用于計算機視覺、自然語言處理等領域。

4、卷積神經(jīng)網(wǎng)絡仿造生物的視知覺（visual perception）機制構建，可以進行監(jiān)督學習和非監(jiān)督學習，其隱含層內的卷積核參數(shù)共享和層間連接的稀疏性使得卷積神經(jīng)網(wǎng)絡能夠以較小的計算量對格點化（grid-like topology）特征，例如像素和音頻進行學習、有穩(wěn)定的效果且對數(shù)據(jù)沒有額外的特征工程（feature engineering）要求。

本文到此結束，希望對大家有所幫助。