一、卷积（目的：自动获取特征）

1.卷积核

就是加权求和中的权重，和MLP中的w向量是一样的

2.运算：由输入的数据空间 以及 卷积核决定（超参数：填充与步长）

 3.卷积神经网络的深度和宽度

深度由卷积几次决定，宽度由卷积核的个数决定

 

二、激活 

在加权求和这一线性变换后，再利用激活函数引进非线性变换，使得能找到一个超平面（即一系列交互的特征）来对样本进行区分

 

三、池化（亚采样、下采样）

1.可以在保证大部分重要信息的同时，降低各个特征图的维度（比如一张清晰的猫咪图案，经过池化后变得模糊，但仍能辨认出是猫咪）

2.池化方法有最大池化、求和池化、平均池化等（这三个定义空间邻域来实现，一般最大池化效果最好，下面2x2最大池化示意图）

 

四、全连接（就是传统的神经网络，即拉伸成一维特征空间后，前面所有的神经元与下一层的神经元连接）

（卷积神经网络+传统神经网络）

 以上图为例，在S4这一步一共有16个5*5分辨率的二维/特征图像，将他们拉伸成一维特征向量（一个个像素点依次排列，一共400个像素点，长度为400），然后作为输入层的输入数据传输到隐藏层，图中有两个隐藏层，分别含有120个神经元和84个神经元，最后输出10个类别的概率。

# cnn # 人工智能 # 神经网络
Logo
技术共进，成长同行——讯飞AI开发者社区

技术共进，成长同行——讯飞AI开发者社区

更多推荐

第75篇：AI+金融：智能风控、量化交易与个性化理财

摘要：本文系统性地深入探讨人工智能在金融领域的革命性应用。我们首先解析智能风控：AI如何利用XGBoost、LightGBM、深度神经网络（DNN）与图神经网络（GNN），融合多维度数据（征信、行为、社交、设备），实现信贷反欺诈、信用评分、反洗钱与异常交易检测，提升风险识别精度与效率。详解量化交易：AI如何通过LSTM、Transformer、强化学习（RL）分析海量市场数据（行情、新闻、财报），

avatar 讯飞AI开发者社区

AIoT（人工智能物联网）：融合范式下的技术演进、系统架构与产业变革

AIoT并非简单的技术叠加，而是一种全新的系统性范式，其核心在于将AI的感知、学习、推理与决策能力内化于物联网的感知、连接与执行体系之中，实现从“万物互联”向“万物智联”的根本性跃迁。通过分析多维度的行业报告、技术白皮书与实践案例，本文揭示了AIoT在智慧城市、智能制造、智慧医疗、智慧农业等领域的深刻变革，并探讨了其在终端AI化、传输多样化、感知融合化等前沿趋势下的产业生态演化。物联网（IoT）的

avatar 讯飞AI开发者社区

企业AI Agent的情感智能：提升员工体验与忠诚度

随着人工智能技术的飞速发展，企业AI Agent在企业运营中的应用越来越广泛。本研究的目的在于深入探讨企业AI Agent的情感智能如何对员工体验和忠诚度产生积极影响。具体范围涵盖了情感智能的理论基础、相关算法原理、实际应用场景以及在企业环境中的实践案例等方面。通过研究，旨在为企业提供切实可行的方案，利用AI Agent的情感智能提升员工的工作满意度和忠诚度，进而促进企业的长期发展。本文共分为十个

avatar 讯飞AI开发者社区