机器学习算法之卷积神经网络.pptVIP

下载本文档

14
0
约1.04千字
约 16页
2019-01-04 发布于浙江
举报
版权申诉

机器学习算法之卷积神经网络.ppt

1、本文档共16页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

卷积神经网络(CNN) 机器学习与模式识别算法之 Outlines： 1、基本思想，原理，具体过程及算法 2、相关实验及优缺点分析与应用场合 3、相关改进算法 CNN应用场景 classification Regression CNN应用场景 Image Processing Architecture Overview DeepFace:CNN for Face Recognition[1] [1]Taigman et. al 2014 DeepFace: Closing the Gap to Human-Level Performance in Face Verification 卷积层(Convolutional) + 采样层(Pooling) + 全连接层(Fully-connected) 特征提取简单神经网络层卷积层(Convolutional Layer) (a)局部感受野(局部连接) (b)神经元激活方式卷积层(Convolutional Layer) (a)blur (b)edge detect 采样层(Pooling Layer) 下采样 BN(Batch Normalization) Layer 关于数据预处理 Batch Normalization PCA whiten ZCA whiten PCA whiten ZCA whiten 数据各维度方差为1 使得白化后数据更接近原始数据分布 Batch Normalization Ioffe S, Szegedy C. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift[J]. Computer Science, 2015. Why CNN works? 1.多层卷积层提取全局、细节、多尺度抽象特征 2.双隐层神经网络彻底实现复杂分类 3.端到端自动学习，无需手动提取特征卷积层学习到了什么？浅层学习到特征多为低频信息：如Layer 1低频颜色信息， Layer 2学习得颜色和边缘混合信息卷积层学习到了什么？ Layer 3 学习多为图像全局信息，且具有较强区分性卷积层学习到了什么？ Layer 4、Layer 5处于较高卷积层，学习得特征多为物体代表特征，如狗鼻子，车轱辘双隐层神经网络彻底实现复杂分类