卷积神经网络知识

CNN感觉这个人的博客很懂

1 感知机

2 激活函数

2.1 激活函数实例

2.2 常用的激活函数优缺点

3 卷积核

3.1 卷积核是什么，为什么要用它，CNN里面的卷积核是训练得到的，同时学习多层级的多个核，对卷积定理和傅里叶变换的高级理解

4 卷积层

5 池化

6 神经网络

6.1

6.2 反向传播

6.3 面临的两大问题

6.3.1 训练集有问题，GIGO(gabage in gabage out)

6.3.2 反向传播怎么更改参数

6.4 应用场景的限制：数据量大，要求低的行业

7 用梯度下降法调参

卷积是在输入维度很高才用的

梯度弥散与梯度爆炸

梯度下降

前向传播和反向传播