什么是卷积神经网络？如何MATLAB实现CNN？
卷积神经网络（cnn 或 convnet）是一种直接从数据中学习的深度学习网络架构。 cnn 特别适合在图像中寻找模式以识别对象、类和类别。它们也能很好地对音频、时间序列和信号数据进行分类。
cnn 的工作原理
一个卷积神经网络可以有数十层乃至数百层，每层都学习检测图像的不同特征。将不同分辨率的滤波器应用于每个训练图像，每个卷积后图像的输出会成为下一层的输入。滤波器可以从非常简单的特征开始，例如亮度和边缘，然后越来越复杂，直到可以唯一定义目标的特征为止。
什么是卷积神经网络？ cnn 的工作原理是什么？
特征学习、层和分类 cnn 由一个输入层、一个输出层和中间的多个隐藏层组成。
这些层会执行运算以更改数据，目的是学习特定于数据的特征。卷积层、激活层（即 relu 层）和池化层是三种最常见的层。
卷积层将一组卷积滤波器应用于输入图像，每个滤波器激活图像中的特定特征。
修正线性单元 (relu) 层将负值映射到零，同时保持正值不变，让训练更快、更高效。该层有时也称为激活层，因为只有激活的特征才会传递给下一层。
池化层执行非线性下采样，减少网络需要学习的参数个数，从而简化输出。
这些操作在数十层或数百层上反复进行，每一层都学习识别不同的特征。 一个包含大量卷积层的网络。将不同分辨率的滤波器应用于每个训练图像，每个卷积后图像的输出会成为下一层的输入。
共享权重和偏置 与传统神经网络不同的是，cnn 具有共享的权重和偏置值。这些值对于给定层中的所有隐藏神经元均相同。 这意味着所有隐藏神经元会在图像的不同区域检测相同的特征，例如边缘或斑点。因此，网络容许图像中的目标有一定的平移。例如，对于一个汽车识别网络，无论汽车出现在图像何处，网络都能进行识别。 分类层 通过多个层学习特征后，cnn 的架构转向分类。 倒数第二层是一个全连接层，它输出一个 k 维向量（其中 k 是网络能够预测的类的数量），并包含图像被分到各个类的概率。 cnn 架构的最后一层使用分类层来提供最终分类输出。
cnn 为何重要
cnn 架构非常适合用来揭示和学习图像和时间序列数据中的关键特征。cnn 是以下应用中的关键技术： 医学成像：cnn 可以检查成千上万份病理报告，以视觉方法检测图像中是否存在癌细胞。 信号处理：只要设备带有麦克风，就可以进行关键字检测，检测到用户说出的特定字词（如“嘿 siri”）。cnn 可以在各种环境下准确地学习和检测关键字，同时忽略所有其他字词。 目标检测：自动驾驶依靠 cnn 来准确检测标志或其他目标的存在，并根据输出作出决策。 合成数据生成：使用生成对抗网络 (gan) 可以生成新图像，用于深度学习应用，包括人脸识别和自动驾驶。
何时使用 cnn？ 当您有大量复杂数据（例如图像数据）时，可以考虑使用 cnn。您还可以使用 cnn 处理针对网络结构预处理过的信号或时间序列数据。 考虑使用预训练模型 使用 cnn 时，工程师和科学家们更喜欢从一个预训练的模型开始，使用新数据集来让该模型学习和识别其中的特征。 您可以使用 googlenet、alexnet 和 inception 等模型作为起点，利用专家构建的、经过验证的架构来探索深度学习。
用 matlab 实现 cnn
借助 matlab 和 deep learning toolbox，您能够设计、训练和部署 cnn。 设计和训练网络 使用深度网络设计器，您可以导入预训练模型或从头构建新模型。 您还可以直接在该 app 中训练网络，并使用准确度、损失和验证指标图来监控训练。
深度网络设计器，用于交互式构建、可视化和编辑深度学习网络。
使用预训练模型进行迁移学习 通常来说，使用迁移学习对预训练网络进行微调比从头开始训练更快、更轻松。它只需要很少的数据和计算资源。迁移学习使用某一类问题的相关知识来解决与之类似的问题。该方法以一个预训练网络作为起点，利用它学习新任务。迁移学习的优点是预训练网络已学习了一系列丰富的特征。例如，以一个基于数百万个图像训练过的网络为起点，只需再用几百个图像重新训练，网络就能对新目标进行分类。
使用 gpu 进行硬件加速 卷积神经网络是基于数百、数千甚至数百万个图像进行训练的。在对大量数据和复杂网络架构进行处理时，gpu 可以显著缩短训练模型所需的处理时间。
无人机“蜂群”技术介绍
帧中继,帧中继是什么意思
双色发光二极管的应用电路
三星联合多家企业加速开发5纳米制程 试图追赶台积电
UC3842及其应用简介
什么是卷积神经网络？如何MATLAB实现CNN？
OpenAI：用可扩展的多任务系统，在多语言任务上取得了良好的成绩
变压器输出端不接负载会短路，为啥输入端直接接电压却不会短路？
Hillcrest Labs传感器融合产品系列可应用于大量的消费类手持设备
PS-9105S小三轴荷重试验机的详情？|深圳市磐石测控仪器有限公司
工信部闻库对我国5G与垂直行业融合应用的发展提出了三点建议
SiTime 高性能MEMS时钟方案在5G中的应用
比特币为什么会值钱?为什么会有价值
安捷伦34401A万用表简介
开源漏洞共享平台及安全奖励计划正式发布
盘点无人机行业市场现状与发展趋势
OPPO Enco X双十一价格诱人 乔欣同款每月54元可得
“南京软件谷·美国高通联合创新中心”成立,推进双创事业加快发展
2019年半导体全行业或迎寒潮，你准备好了吗
Linux中检查端口的方法
cnn 的工作原理
一个卷积神经网络可以有数十层乃至数百层，每层都学习检测图像的不同特征。将不同分辨率的滤波器应用于每个训练图像，每个卷积后图像的输出会成为下一层的输入。滤波器可以从非常简单的特征开始，例如亮度和边缘，然后越来越复杂，直到可以唯一定义目标的特征为止。
什么是卷积神经网络？ cnn 的工作原理是什么？
特征学习、层和分类 cnn 由一个输入层、一个输出层和中间的多个隐藏层组成。
这些层会执行运算以更改数据，目的是学习特定于数据的特征。卷积层、激活层（即 relu 层）和池化层是三种最常见的层。
卷积层将一组卷积滤波器应用于输入图像，每个滤波器激活图像中的特定特征。
修正线性单元 (relu) 层将负值映射到零，同时保持正值不变，让训练更快、更高效。该层有时也称为激活层，因为只有激活的特征才会传递给下一层。
池化层执行非线性下采样，减少网络需要学习的参数个数，从而简化输出。
这些操作在数十层或数百层上反复进行，每一层都学习识别不同的特征。 一个包含大量卷积层的网络。将不同分辨率的滤波器应用于每个训练图像，每个卷积后图像的输出会成为下一层的输入。
共享权重和偏置 与传统神经网络不同的是，cnn 具有共享的权重和偏置值。这些值对于给定层中的所有隐藏神经元均相同。 这意味着所有隐藏神经元会在图像的不同区域检测相同的特征，例如边缘或斑点。因此，网络容许图像中的目标有一定的平移。例如，对于一个汽车识别网络，无论汽车出现在图像何处，网络都能进行识别。 分类层 通过多个层学习特征后，cnn 的架构转向分类。 倒数第二层是一个全连接层，它输出一个 k 维向量（其中 k 是网络能够预测的类的数量），并包含图像被分到各个类的概率。 cnn 架构的最后一层使用分类层来提供最终分类输出。
cnn 为何重要
cnn 架构非常适合用来揭示和学习图像和时间序列数据中的关键特征。cnn 是以下应用中的关键技术： 医学成像：cnn 可以检查成千上万份病理报告，以视觉方法检测图像中是否存在癌细胞。 信号处理：只要设备带有麦克风，就可以进行关键字检测，检测到用户说出的特定字词（如“嘿 siri”）。cnn 可以在各种环境下准确地学习和检测关键字，同时忽略所有其他字词。 目标检测：自动驾驶依靠 cnn 来准确检测标志或其他目标的存在，并根据输出作出决策。 合成数据生成：使用生成对抗网络 (gan) 可以生成新图像，用于深度学习应用，包括人脸识别和自动驾驶。
何时使用 cnn？ 当您有大量复杂数据（例如图像数据）时，可以考虑使用 cnn。您还可以使用 cnn 处理针对网络结构预处理过的信号或时间序列数据。 考虑使用预训练模型 使用 cnn 时，工程师和科学家们更喜欢从一个预训练的模型开始，使用新数据集来让该模型学习和识别其中的特征。 您可以使用 googlenet、alexnet 和 inception 等模型作为起点，利用专家构建的、经过验证的架构来探索深度学习。
用 matlab 实现 cnn
借助 matlab 和 deep learning toolbox，您能够设计、训练和部署 cnn。 设计和训练网络 使用深度网络设计器，您可以导入预训练模型或从头构建新模型。 您还可以直接在该 app 中训练网络，并使用准确度、损失和验证指标图来监控训练。
深度网络设计器，用于交互式构建、可视化和编辑深度学习网络。
使用预训练模型进行迁移学习 通常来说，使用迁移学习对预训练网络进行微调比从头开始训练更快、更轻松。它只需要很少的数据和计算资源。迁移学习使用某一类问题的相关知识来解决与之类似的问题。该方法以一个预训练网络作为起点，利用它学习新任务。迁移学习的优点是预训练网络已学习了一系列丰富的特征。例如，以一个基于数百万个图像训练过的网络为起点，只需再用几百个图像重新训练，网络就能对新目标进行分类。
使用 gpu 进行硬件加速 卷积神经网络是基于数百、数千甚至数百万个图像进行训练的。在对大量数据和复杂网络架构进行处理时，gpu 可以显著缩短训练模型所需的处理时间。
无人机“蜂群”技术介绍
帧中继,帧中继是什么意思
双色发光二极管的应用电路
三星联合多家企业加速开发5纳米制程 试图追赶台积电
UC3842及其应用简介
什么是卷积神经网络？如何MATLAB实现CNN？
OpenAI：用可扩展的多任务系统，在多语言任务上取得了良好的成绩
变压器输出端不接负载会短路，为啥输入端直接接电压却不会短路？
Hillcrest Labs传感器融合产品系列可应用于大量的消费类手持设备
PS-9105S小三轴荷重试验机的详情？|深圳市磐石测控仪器有限公司
工信部闻库对我国5G与垂直行业融合应用的发展提出了三点建议
SiTime 高性能MEMS时钟方案在5G中的应用
比特币为什么会值钱?为什么会有价值
安捷伦34401A万用表简介
开源漏洞共享平台及安全奖励计划正式发布
盘点无人机行业市场现状与发展趋势
OPPO Enco X双十一价格诱人 乔欣同款每月54元可得
“南京软件谷·美国高通联合创新中心”成立,推进双创事业加快发展
2019年半导体全行业或迎寒潮，你准备好了吗
Linux中检查端口的方法