3,094
个编辑
更改
无编辑摘要
[[文件:卷积神经网络示例.png|替代=卷积神经网络示例|缩略图|卷积神经网络示例。其中，每一个立方体代表一层卷积的神经元构成的特征图，上下宽度代表特征图的长宽，厚度代表通道数。用于分类的卷积神经网络大多是由大变小，由薄变宽的架构设计。]]
'''卷积神经网络'''（Convolutional Neural Network，简称 '''CNN'''）是一类包含[[卷积]]计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是[[深度学习]]（Deep Learning）的核心算法之一。其核心设计理念源于[[生物学]]中[[视觉皮层]]细胞的局部[[感受野]]机制。CNN 凭借"局部连接"、"权重共享"以及"空间/时间下采样"三大核心特征，显著降低了多维高阶数据的表征参数量，同时具备强大的[[平移不变性]]与结构鲁棒性。自 2012 年前后 [[GPU]] 计算能力快速提升以来，CNN 在[[计算机视觉]]、[[医学影像分析]]以及科学计算等领域取得巨大成功，成为现代视觉智能系统的重要基础。
'''卷积神经网络'''（Convolutional Neural Network，简称 '''CNN'''）是一类包含[[卷积]]计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是[[深度学习]]（Deep Learning）的核心算法之一。其核心设计理念源于[[生物学]]中[[视觉皮层]]细胞的局部[[感受野]]机制。CNN 凭借"局部连接"、"权重共享"以及"空间/时间下采样"三大核心特征，显著降低了多维高阶数据的表征参数量，同时具备强大的[[平移不变性]]与结构鲁棒性。自 2012 年前后 [[GPU]] 计算能力快速提升以来，CNN 在[[计算机视觉]]、[[医学影像分析]]以及科学计算等领域取得巨大成功，成为现代视觉智能系统的重要基础。