卷积神经网络 人工智能什么是卷积神经网络 是一类包含卷积计算且具有深度结构的前馈神经网络，是深度度学习的代表算法之一 。 卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也 被称为“平移不变人工神经网络”。 前馈神经网络：每个神经元只与前一层的神经元相连。接收前一层的输出 ，并输出给下一层各层间没有反馈。 表征学习：特征学习，将原始数据转换成为能够被机器学习来有效开发的 一种形式。它避免了手动提取特征的麻烦，允许计算机学习使用特征的同 时，也学习如何提取特征：学习如何学习。 特征学习：如果人们选择图像中的连续范围作为池化区域，并且只是池化 相同(重复)的隐藏单元产生的特征，那么，这些池化单元就具有平移不变 性。 这就意味着即使图像经历了一个小的平移之后，依然会产生相同的 (池化 的) 特征。发展历程 1959年 发现动物 视觉原理 提出人工 神经感知 机 1980年 1990年 提出CNN 的原始版 本 1998年 提出基于 梯度学习 的LeNet-5 2012年 提出更有 深度结果 的 AlexNet 2013年 ZFNet 2014年 VGGNet、
