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
之歆25 分钟前
Python-封装和解构-set及操作-字典及操作-解析式生成器-内建函数迭代器-学习笔记
笔记·python·学习
麻雀无能为力42 分钟前
CAU数据挖掘 支持向量机
人工智能·支持向量机·数据挖掘·中国农业大学计算机
智能汽车人1 小时前
Robot---能打羽毛球的机器人
人工智能·机器人·强化学习
埃菲尔铁塔_CV算法1 小时前
基于 TOF 图像高频信息恢复 RGB 图像的原理、应用与实现
人工智能·深度学习·数码相机·算法·目标检测·计算机视觉
ζั͡山 ั͡有扶苏 ั͡✾1 小时前
AI辅助编程工具对比分析:Cursor、Copilot及其他主流选择
人工智能·copilot·cursor
东临碣石821 小时前
【AI论文】数学推理能否提升大型语言模型(LLM)的通用能力?——探究大型语言模型推理能力的可迁移性
人工智能·语言模型·自然语言处理
未来智慧谷2 小时前
微软医疗AI诊断系统发布 多智能体协作实现疑难病例分析
人工智能·microsoft·医疗ai
野生技术架构师2 小时前
简述MCP的原理-AI时代的USB接口
人工智能·microsoft
Allen_LVyingbo2 小时前
Python常用医疗AI库以及案例解析(2025年版、上)
开发语言·人工智能·python·学习·健康医疗
jndingxin2 小时前
OpenCV中超分辨率(Super Resolution)模块类cv::dnn_superres::DnnSuperResImpl
人工智能·opencv·dnn