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
阿坡RPA2 小时前
手搓MCP客户端&服务端:从零到实战极速了解MCP是什么?
人工智能·aigc
用户27784491049932 小时前
借助DeepSeek智能生成测试用例:从提示词到Excel表格的全流程实践
人工智能·python
机器之心2 小时前
刚刚,DeepSeek公布推理时Scaling新论文,R2要来了?
人工智能
算AI4 小时前
人工智能+牙科:临床应用中的几个问题
人工智能·算法
凯子坚持 c5 小时前
基于飞桨框架3.0本地DeepSeek-R1蒸馏版部署实战
人工智能·paddlepaddle
你觉得2055 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc
8K超高清6 小时前
中国8K摄像机:科技赋能文化传承新图景
大数据·人工智能·科技·物联网·智能硬件
hyshhhh6 小时前
【算法岗面试题】深度学习中如何防止过拟合?
网络·人工智能·深度学习·神经网络·算法·计算机视觉
薛定谔的猫-菜鸟程序员6 小时前
零基础玩转深度神经网络大模型:从Hello World到AI炼金术-详解版(含:Conda 全面使用指南)
人工智能·神经网络·dnn
币之互联万物6 小时前
2025 AI智能数字农业研讨会在苏州启幕,科技助农与数据兴业成焦点
人工智能·科技