卷积神经网络介绍 A n n u a l R e p o r t汇报人：龚志雄受Hubel和Wiesel对猫视觉皮层电生理研究启发，有人提出卷积神经网络（CNN），Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。与普通神经网络的区别在于，卷积神经网络增加了卷积层和池化层的概念。单击添加标题，建议您在展示时采用微软雅黑字体单击此处编辑内容单击添加标题，建议您在展示时采用微软雅黑体单击此处辑内容卷积神经网络概述传统的BP网络包括输入层、隐藏层、输出层。下面的CNN网络以一张图片作为输入，先经过卷积层得到C1，再经过池化层得到S1，再经过卷积层得到C2，再经过池化层得到S2。将S2的所有图片展开生成X，之后连接上普通的全连接神经网络进行图片的分类。需要注意的是S1到C2的的连接，C2层的每个神经元只是部分与S1层的神经元连接，而传统的BP网络中每个神经元会与上一层的所有神经元进行连接。单击添加标题，建议您在展示时采用微软雅黑字体单击此处编辑内容单击添加标题，建议您在展示时采用微软雅黑体单击此处辑内容传统的BP网络和CNN网络的区别单击添加标题，建议您在展示
