神经网络(五)卷积神经网络
一、前馈神经网络的缺点
①权重矩阵的参数非常多(每层之间两两连接)
②局部不变特征(难以提取不改变性质的操作<如旋转、缩放、平移>或局部特征)
二、卷积
给定一个输入信号序列x和滤波器w,卷积的输出为:
卷积的作用:
①近似微分
当令滤波器w=[1/2,0,-1/2]时,可以近似信号序列的一阶微分方程
当令滤波器w=[1,-2,1]时,可以近似信号序列的二阶微分
②低通滤波\高通滤波
滤波器w=[1/3,1/3,1/3]可以检测低频信息
滤波器w=[1,-2,1]可以检测高频信息
③卷积扩展
引入滤波器的滑动步长S和零填充P
滑动步长:窗口的长度
零填充:为了窗口取整,在两端补若干个0
④卷积类型
窄卷积:步长S=1,两端不补零P=0,输出长度为M-K+1
宽卷积:步长S=1,两端补零P=K-1,输出长度为M+K-1
等宽卷积:步长S=1,两端补零P=(K-1)/2,输出长度M
⑤二维卷积
Y=W*X
三、卷积神经网络
是一种前馈神经网络;受生物学感受野机制(只有特定区域接收刺激才能激活神经元)提出
特征: ①局部连接 ②权重共享 ③空间或时间上的次采样
使用卷积层代替全连接层
①互相关
计算卷积需要进行卷积核翻转;卷积操作的目标:提取特征-->并不一定需要翻转
互相关: 除非特别申明,卷积一般指“互相关”
②多个卷积核
卷积核可以视为一个特征提取器,为了增强卷积层的能力,可以引入多个卷积核
以二维为例:特征映射(图像讲过卷积后得到的特征)
卷积层输入:D个特征映射M × N × D
卷积层输出:P个特征映射
③卷积层的映射关系
各输入信号通过卷积后,再汇总得到输出信号,虽然卷积方式为单连接,但是输出和输入之间可以等效为全连接。
典型的卷积层为3维结构
④汇聚层
卷积层的作用:减少连接数量(但无法减少特征映射的神经元)
可以通过增加步长来减少神经元的数量
汇聚:将数据划分为若干区域,每个区域选取一个具有代表性的数据
⑤卷积神经网络的结构
卷积层 + 汇聚层 + 全连接层 堆叠形成
典型结构: ①趋于小卷积、大深度
②趋于全卷积
四、特殊的卷积神经网络
①空洞卷积
作用:增加输出单元的感受野
在卷积核中插入空洞,变相的增加卷积核的大小(投射的时候增加空位)
②转置卷积/微步卷积
低维特征映射到高维特征(放大)
减小步长,在输入上插入空洞(S=1/2)
五、经典卷积神经网络
1.LeNet-5
LeNet-5主要用于识别手写数字,共7层
2.AlexNet
使用GPU进行并行训练,采用ReLU作为非线性激活函数,使用Dropout防止过拟合
一共5个卷积层、3个汇聚层、3个全连接层
3.Inception网络
由大量的inception模块和少量的汇聚层堆叠而成
inception模块
包含多个大小不同的卷积操作(1x1、3x3、5x5等大小不同的卷积核),并将得到的特征映射在深度上拼接(堆叠)起来作为输出特征映射。
1X1的作用:让不同深度的特征进行融合
inception模块V3
用多层的小卷积核来替代大的卷积核,减少计算量和参数量(两层3X3来替代5X5,用连续的nX1和1Xn替代nXn)
4.残差网络(ResNet)
层数极多(152层)
通过给非线性卷积层增加直连边来提高信息的传播率
将目标函数拆分为两个部分:恒等函数、残差函数
残差单元
由于每个单元有一条直连边(x),所以即使堆叠得很深也不会出现梯度消失的问题。
六、卷积在文本上的应用
1.Ngram特征与卷积
Ngram:连接相邻的n个单词(滑动窗口)
2.文本序列的卷积
使用Lookuptable将词转换为向量。
可将其视为一维卷积(窗口大小为k,深度为d)或二维卷积(卷积核大小为dxk)
3.基于卷积模型的句子表示
4.文本序列的卷积模型
神经网络(五)卷积神经网络相关推荐
- Tensorflow入门到实战五(卷积神经网络)
方法定义 tf.nn.conv2d (input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=No ...
- 卷积神经网络 图像识别,卷积神经网络 图像处理
基于深度卷积神经网络进行人脸识别的原理是什么? 本质上是模式识别,把现实的东西抽象成计算机能够理解的数字.如果一个图片是256色的,那么图像的每一个像素点,都是0到255中间的一个值,这样你可以把一个 ...
- 神经网络与卷积神经网络,什么是卷积神经网络
前馈神经网络.BP神经网络.卷积神经网络的区别与联系 一.计算方法不同1.前馈神经网络:一种最简单的神经网络,各神经元分层排列.每个神经元只与前一层的神经元相连.接收前一层的输出,并输出给下一层.各层 ...
- 卷积神经网络 图像处理,卷积神经网络基本原理
基于深度卷积神经网络进行人脸识别的原理是什么? 本质上是模式识别,把现实的东西抽象成计算机能够理解的数字.如果一个图片是256色的,那么图像的每一个像素点,都是0到255中间的一个值,这样你可以把一个 ...
- 神经网络与卷积神经网络_神经网络与人的思想
神经网络与卷积神经网络 If you are familiar with the terms Artificial Intelligence, Machine Learning , Deep Lear ...
- BP神经网络与卷积神经网络(CNN)
BP神经网络与卷积神经网络(CNN) 1.BP神经网络 1.1 神经网络基础 神经网络的基本组成单元是神经元.神经元的通用模型如图 1所示,其中常用的激活函数有阈值函数.sigmoid函数和双曲正 ...
- 【数据挖掘】卷积神经网络 ( 视觉原理 | CNN 模仿视觉 | 卷积神经网络简介 | 卷积神经网络组成 | 整体工作流程 | 卷积计算图示 | 卷积计算简介 | 卷积计算示例 | 卷积计算参数 )
文章目录 I . 人类的视觉原理 II . 卷积神经网络 模仿 视觉原理 III . 卷积神经网络简介 IV . 卷积神经网络 组成 V . 卷积神经网络 工作流程 VI . 降低样本参数数量级 VI ...
- 04.卷积神经网络 W1.卷积神经网络(作业:手动/TensorFlow 实现卷积神经网络)
文章目录 作业1:实现卷积神经网络 1. 导入一些包 2. 模型框架 3. 卷积神经网络 3.1 Zero-Padding 3.2 单步卷积 3.3 卷积神经网络 - 前向传播 4. 池化层 5. 卷 ...
- 【卷积神经网络】卷积神经网络(Convolutional Neural Networks, CNN)基础
卷积神经网络(Convolutional Neural Networks, CNN),是一种 针对图像 的特殊的 神经网络. 卷积神经网络概述 Why not DNN? 图像数据的维数很高,比如 1, ...
- 全连接神经网络、卷积神经网络
全连接神经网络.卷积神经网络 前言 全连接神经网络 介绍 结构 损失函数 梯度下降 链式法则 反向传播 总结 卷积神经网络 背景 结构 卷积(Convolution) 池化(Max Pooling) ...
最新文章
- Oracle删库跑路
- P3159 [CQOI2012]交换棋子(费用流)
- php 微信定位,微信企业号(服务号)坐标定位发生偏移解决方案记录( 附PHP代码)...
- python2.7出现IOError: [Errno 5] Input/output error
- dispatch的action带参数
- 服务器常见故障及其解决方法
- 从石器时代到硅器时代
- 信号的频谱分析实验matlab,实验三 用FFT对信号进行频谱分析及MATLAB程序
- Debian 10.2命令安装Nvidia显卡驱动成功,问题回顾
- 出走海报,立体感搞出来
- centos7 Kafka安装
- 物理五大信道浅聊PRACH、PUCCH、PUSCH、PDCCH、PDSCH
- 【Go资料】go语言学习资料书籍
- Java基础知识每日总结(19)---Java输入输出流、文件、递归
- 【接入指南】华为帐号服务Authorization Code模式介绍与接入步骤详解
- 如何购买和设置阿里云国际版的 Web 应用防火墙
- 其他计算机如何联网,局域网怎么连接其他电脑上网
- AI科技人才选择香港就业
- 决策树(Decision Tree)总结
- matlab 生成mat文件
热门文章
- 初等数论——欧几里得算法
- php+仿微信发红包+负数,php仿微信红包分配算法的实现方法
- CNS级别的高级气泡图——R语言简单实现
- 【SQL】查询表中姓名“王”开头,并且只有二个字的数据
- 华为nova5i计算机在哪,华为nova5i怎么样
- docker 运行镜像后,telnet 出现Connection closed by foreign host或连接被重置(已解决)
- 全新 App Store 发布!全新设计、每日推荐、游戏独立
- LeetCode——第121题:买股票的最佳时机
- winds以管理员身份运行命令提示符
- termux获取sd卡读写权限_TF卡戴套客串SD卡真的靠谱吗?用数据说话