基于卷积神经网络的手写数字 识别卷积神经网络 基于人工神经网络 使用卷积核作为特征抽取器 自动训练特征抽取器（即卷积核，即阈值 参数） 卷积核一次训练多次使用，可以在线学习 （模型在训练好之后，在使用中继续训练 ）。 局部感受野+权值共享+下采样 使模型参数 大幅减小。7 卷积 w13 w12 w11 w23 w22 w21 w33 w32 w31 1 0 -1 1 0 -1 1 0 -1 Convolve with Threshold w13 w12 w11 w23 w22 w21 w33 w32 w31 卷积其实是一个 图像处理核 卷积用于增强图 像的某种特征， 降低噪音8 卷积 features9 卷积子采样 利用图像局部相关性的原理，减 少训练维数，同时保留了有用信 息 降低图像分辨率 增强网络对大小变化的适用性子采样 为什么不把S2中的每个特征图连接到每个 C3的特征图呢？原因有2点。 第一，不完全的连接机制将连接的数量保 持在合理的范围内。 第二，也是最重要的，其破坏了网络的对 称性。由于不同的特征图有不同的输入， 所以迫使他们抽取不同的特征。训练过程 训练算法与传统的BP
