iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 27
0
AI & Data

大數據的世代需學會的幾件事系列 第 27

Day27-卷積神經網路

在介紹深度學習後,今天要來講解卷積神經網路(Convolution Neural Network,CNN),他是一種倒傳神經網路,適用於大規模的影像辨識,效率相當高。CNN是1960年代,由美國兩位生物學家Hubel、Wiesel在研究貓腦皮相關研究發現的(我記得是這樣,在這麼早以前就發現惹),之後深度學習、人工神經網路就越來越成熟。

卷積
公式:https://chart.googleapis.com/chart?cht=tx&chl=h(x)%3Df(x)*g(x)%3D%7B%5Cdisplaystyle%20%5Cint%20%5Climits%20_%7Ba%7D%5E%7Bb%7Df(t)g(x-t)%5C%3B%5Cmathrm%20%7Bd%7D%20t%7D%20
a = {+∞}
b = {-∞}

卷積運算架構分為6層架構:輸入層、卷積層、池化層、平坦層、隱藏層、輸出層。其中,CNN處理方式分為以下:兩項:

  • 特徵提取:透過輸入的訓練資料,經由卷積、池化(其次卷積及各項次數會因為訓練資料相異而精確值也隨之不同,並不是卷積、池化越多次,測試出來的資料就越好,因為訓練只會讓模型越來越佳,所以要避免有overfitting的情況發生,之後舉例會更詳細的解釋),來提取特徵。
  • fully connected layer:由平坦層、隱藏層、輸出層所組成的神經網路架構。

今天圖檔不小心的被剛睡醒的我刪掉惹QQ 希望文字解釋大家可以聽懂,歡迎留言發問~/images/emoticon/emoticon01.gif/images/emoticon/emoticon01.gif


上一篇
Day26-在Windows建立Tensorflow與Keras深度學習環境
下一篇
Day28-NLP自然語言處理 介紹
系列文
大數據的世代需學會的幾件事30

尚未有邦友留言

立即登入留言