卷积神经网络
2015-08-10 16:45
405 查看
阅读网页发现,要学习深度学习,应该首先对卷积神经网络(Convolutional Neural Networks,简称CNN)开始,卷积神经网络由Yann LeCun提出,LeCun在2013年底加入Facebook负责新成立的人工智能实验室。
下面给出一些关于CNN的较好(也就是对初学者较易理解)的博文等资料
(1)卷积神经网络
该博文中有对CNN的三点个人认识,还不错,列举如下:
先明确一点就是,Deep Learning是全部深度学习算法的总称,CNN是深度学习算法在图像处理领域的一个应用。
第一点,在学习Deep learning和CNN之前,总以为它们是很了不得的知识,总以为它们能解决很多问题,学习了之后,才知道它们不过与其他机器学习算法如svm等相似,仍然可以把它当做一个分类器,仍然可以像使用一个黑盒子那样使用它。
第二点,Deep Learning强大的地方就是可以利用网络中间某一层的输出当做是数据的另一种表达,从而可以将其认为是经过网络学习到的特征。基于该特征,可以进行进一步的相似度比较等。
第三点,Deep Learning算法能够有效的关键其实是大规模的数据,这一点原因在于每个DL都有众多的参数,少量数据无法将参数训练充分。
下面给出一些关于CNN的较好(也就是对初学者较易理解)的博文等资料
(1)卷积神经网络
该博文中有对CNN的三点个人认识,还不错,列举如下:
先明确一点就是,Deep Learning是全部深度学习算法的总称,CNN是深度学习算法在图像处理领域的一个应用。
第一点,在学习Deep learning和CNN之前,总以为它们是很了不得的知识,总以为它们能解决很多问题,学习了之后,才知道它们不过与其他机器学习算法如svm等相似,仍然可以把它当做一个分类器,仍然可以像使用一个黑盒子那样使用它。
第二点,Deep Learning强大的地方就是可以利用网络中间某一层的输出当做是数据的另一种表达,从而可以将其认为是经过网络学习到的特征。基于该特征,可以进行进一步的相似度比较等。
第三点,Deep Learning算法能够有效的关键其实是大规模的数据,这一点原因在于每个DL都有众多的参数,少量数据无法将参数训练充分。
相关文章推荐
- qperf测量网络带宽和延迟
- Http Session和Cookie
- 基于Java的socket网络通信
- 谈谈如何训练一个性能不错的深度神经网络
- 网络访问基础篇(适合新手)
- Android 异步加载数据 AsyncTask+Handler+AsyncHttpClient+Universal_Image_loader+Volley
- HTTP深入浅出 http请求
- WCF使用小结:(1)WCF接收HTTP POST数据的处理方法
- 流媒体方便快捷应用于校园生活
- Android中加载网络资源时的优化可使用(线程+缓存)解决
- TCP echo demo
- [谷歌地图--探索世界]https://geoguessr.com/
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-01-CNN基础知识点
- 正则表达式查找CRLF注入攻击漏洞(HTTP响应拆分漏洞)
- post NSURLConnection请求网络数据
- Codeforces Round #284 (Div. 1) C. Array and Operations(网络流‘最大流)
- windows的socket_tcp服务端与windows的socket_tcp客服端简单通讯
- NSURLConnection 异步加载网络数据
- tcp状态
- CRLF注入详解 (HTTP响应头拆分)学习笔记(一)