Chr*_*iel 2 computer-vision neural-network deep-learning conv-neural-network
卷积神经网络(CNN)是前馈模型还是反向传播模型.通过比较DR.Yann的博客和CNN的维基百科定义,我感到困惑.
小智 10
卷积神经网络是一种结构化神经网络,其中前几层稀疏地连接以便处理信息(通常是可视的).
前馈网络被定义为其中不包含循环.如果它有循环,它是一个递归神经网络.例如,想象一个三层网络,其中第1层是输入层,第3层是输出层.前馈网络将由第1层获取输入,将它们馈送到第2层,第2层馈送到第3层以及第3层输出来构建.递归神经网络将在第1层获取输入,馈送到第2层,但是第2层可以馈送到第1层和第3层.由于"较低"层将其输出馈送到"较高"层,因此它创建了一个循环在神经网络内部.
然而,反向传播是训练神经网络的方法.它与网络的结构没有太大关系,而是暗示了如何更新输入权重.
在训练前馈网络时,将信息传递到网络中,并将得到的分类与已知的训练样本进行比较.如果网的分类不正确,则通过网向后调整权重,使其具有正确的分类方向.这是训练的后向传播部分.
因此CNN是前馈网络,但是通过反向传播进行训练.
| 归档时间： |
|
| 查看次数： |
2814 次 |
| 最近记录： |