神经网络CNN与RNN

卷积神经网络CNN?

　　它有一个批量过滤器,在图片上滚动收集信息,每次收集一小块像素信息,整理后有一些呈现,通过不断过滤,总结信息.

　　图片有长宽高,高指的是颜色种类,过滤器收集完信息后得到一个更高,长宽更小的包含边缘信息的图片,不断过滤,最后对图片有更深的理解,就能进行分类了.

　　研究表明,每次卷积会损失一些信息,所以卷积时不改变长宽高度,尽量保存信息, 而是用池化单独压缩高度.最经典卷积是下图:

 　　

循环神经网络RNN?

　　等等.有很多形态. Xy的次数可变.

　　应用:描述图片,写论文,写脚本,写程序等.

LSTM RNN循环神经网络.

　　一般RNN会遗失信息.LSTM多了三个控制器: 输入,忘记,输出.

什么是自编码(神经网络的非监督学习)?

　　相当于压缩与解压缩图片,这便是自编码过程. 这样可以大大减轻计算机压力.

　　和PCA主成分分析提取特征成分一样,可以给特征属性降维.