网站备案ip更换,企业网站ui设计,中国水电建设集团网站,公司门户网站模板1. 卷积神经网络结构#xff1a;分为输入层#xff0c;卷积层#xff0c;池化层#xff0c;全连接层#xff1b; #xff08;1#xff09;首先进入输入层#xff0c;对数据数据进行处理#xff0c;将输入数据向量化处理#xff0c;最终形成输入矩阵。 #xff08;…1. 卷积神经网络结构分为输入层卷积层池化层全连接层 1首先进入输入层对数据数据进行处理将输入数据向量化处理最终形成输入矩阵。 2接着进入卷积层根据不同卷积核来对输入数据进行卷积操作得到特征向量。 3然后进入池化层对特征向量进一步提取一般是提取局部最大值max pooling或局部均值average pooling 4最后进入全连接层对前述特征向量进行处理得到输出值。 2. 卷积神经网络在NLP上的例子 1X表示输入数据是一个矩阵即由多个词向量组成的一个矩阵如下图。 2卷积操作有一个卷积核(m*m大小的)在输入矩阵进行滑动每次计算一个卷积结果结果是标量即一个特征值如下图所示当在卷积窗口滑动完成时会得到一个特征向量。 3池化操作 4全连接层线性变换 3. CNN应用场景及相关论文 4. CNN优点 1擅长提取局部特征。 2CNN共享模型参数卷积核 3CNN可以并行化计算