AI入门笔记(四)

深度学习是人工智能的一种实现方法。本文我将学习到的关于深度学习的代表卷积神经网络的数学结构分享给大家。

深度学习是重叠了很多层的隐藏层(中间层)的神经网络。我们以一个例题为例。

建立一个卷积神经网络,用来识别通过 6×6 像素的图像读取的手写数字 1、2、3。图像的像素为单色二值。

上图中的圈表示神经单元,隐藏层由多个具有结构的层组成。具体来说,隐藏层是多个由卷积层和池化层构成的层组成的,这就是简单原始的卷积神经网络。

那么仔细看上图,我们其实可以从中看出卷积神经网络的数学结构。当输入层接收到数据后,经过卷积到隐藏层中的卷积层,卷积层简化后到池化层,最终到输入层进行输出。那么到底是怎样进行卷积和简化的呢?接下来我们就来讲解一下。

其实原理十分简单。对于隐藏层的神经元会用3×3(通常是5×5)的方阵去扫描输入层的数据,主动去探索其需要的偏好,再利用相似整合为一个神经单元的信号和,就得到了卷积层,卷积层再通过这个方法得到池化层,最终通过相似度得出最后的结果。实际上,在隐藏层中,有很多层,不停的卷积简化,由一个很大的输入层最后得到一个值,而通过层层卷积,这就是"深"就是深度学习,而这个结构组成的就是卷积神经网络。

对比之前我们在(一)(二)(三)中提到的简单神经,卷积神经网络有如下优点:

  • 对于复杂的模式识别问题,也可以用简洁的网络来处理。
  • 整体而言,因为神经单元的数量少了,所以计算比较轻松。

我们通过例题再仔细来看一下。

其偏好为S

通过扫描我们可以得到如下结果

我们将结果进行汇总如下,我们将偏好S称为过滤器,而由过滤器卷积得到的下图结果成为特征映射。

相关推荐
对你无可奈何5 分钟前
给 ComfyUI 做了一个手机助手
人工智能
feasibility.2 小时前
英伟达把物理AI的3D模型“应用商店”开放了:2575个SimReady仿真资产,总计约472GB,可让agent装配机器人训练场景
人工智能·3d·机器人·仿真·建模·具身智能·英伟达
智联视频超融合平台2 小时前
消防宣传月过半,“AI+消防“给视频平台换了张考卷
人工智能·边缘计算·视频监控·安防·视频联网
冬奇Lab3 小时前
一天一个开源项目(第262篇):AG-UI —— 把 AI Agent 接进前端的开放协议,和 MCP、A2A 并列的第三块拼图
人工智能·开源
罗西的思考3 小时前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
RobinDevNotes4 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
stormzhangV5 小时前
Coding Agent,通往 AGI 的重要一环
人工智能·agent·ai编程
Bowen_J6 小时前
Apple Foundation Models:Apple AI核心框架
人工智能·ai编程·apple
小七在进步6 小时前
string的实现(1)
c++·笔记·visual studio
IT_陈寒6 小时前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端