第十一章深度学习

这是一篇有关第十一章深度学习的思维导图，从深度学习原因：学习、常家结构；卷积神经网络等方面进行了概述和分析。

第十一章 深度学习

• 深度学习
  • 原因
    • 浅层模型特征抽取能力不足
      • 像素特征
      • 特征表示
    • 全连接前馈神经网络的不足
      • 反向传播导致数据特征的丢失
      • 权重矩阵的参数非常多
      • 复杂模型难以训练
        • 多隐层网络难以直接用经典算法(BP算法)进行训练，因为误差在多隐层内逆传播时，往往会发散而不能收敛到稳定状态
  • 常见结构
    • 网络获取知识是通过学习来获取的
    • 内部神经元的连接强度，即突触权重，用于存储获取的知识
• 卷积神经网络
  • 图像识别特点
    • 在一张图片中，某些模式只需要利用图中很小的一部分就可以判断出来，神经网络无需对整张图片做判断而得到结果
    • 同一个模式可能存在图片的不同位置(做同样的事，用同样的参数)
    • 下采样像素不会改变图片中的对象
      • 通过下采样使得图片变得更小，利用更少的参数处理图片识别
  • CNN整体流程
    • 重复多次卷积、池化，在通过全连接前馈层输出结果
    • 卷积
      • 利用图片的一部分代表模式
      • 统一模式存在不同的位置
    • 池化
      • 下采样像素不改变图片对象