(完整版)卷积神经网络CNN原理、改进及应用.pdf
版权申诉
4 浏览量
2022-11-26
16:26:33
上传
评论
收藏 2.48MB PDF 举报
卷积神经网络（CNN）
一、简介
卷积神经网络（Convolutional Neural Networks，简称 CNN）是
近年发展起来，并引起广泛重视的一种高效的识别方法。
1962 年，Hubel 和 Wiesel 在研究猫脑皮层中用于局部敏感和方向
选择的神经元时发现其独特的局部互连网络结构可以有效地降低反
馈神经网络的复杂性，继而提出了卷积神经网络
[1]
（Convolutional
Neural Networks-简称 CNN）
7863
。现在，CNN 已经成为众多科学领域
的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像
的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的
应用。
Fukushima 在 1980 年基于神经元间的局部连通性和图像的层次组
织转换，为解决模式识别问题，提出的新识别机（Neocognitron）是
卷积神经网络的第一个实现网络
[2]
。他指出，当在不同位置应用具有
相同参数的神经元作为前一层的 patches 时，能够实现平移不变性
1296
。随着 1986 年 BP 算法以及 T-C 问题
[3]
（即权值共享和池化）
9508
的提出，LeCun 和其合作者遵循这一想法，使用误差梯度（the error
gradient）设计和训练卷积神经网络，在一些模式识别任务中获得了
最先进的性能
[4][5]
。在 1998 年，他们建立了一个多层人工神经网络，
被称为 LeNet-5
[5]
，用于手写数字分类,这是第一个正式的卷积神经网
剩余40页未读，继续阅读
评论0
最新资源