摘要：经过若干层卷积和池化后，图片的维度会越来越小，数量会越来越多，最终进入全连接层并分类输出（传统的神经网络）。由于全连接层会有大量的连接权值，模型过拟合的可能性会增加。对此，研究者提出过稀疏连接和Dropout等方法，降低过拟合的可能性。 Dropout是一种简单且有效的防止过拟合的方法。它用于训练阶 阅读全文

摘要：图片经过卷积、激活后的结果一般带有大量原图信息。 上图中卷积核提取的是竖直方向上的连续像素，但是，被增强的像素只占了结果的1/3，对于多层网络，其余重要性较低的信息也被传入了下一层网络，造成了不必要的浪费，因此需要用池化对卷基层得到的结果做聚合统计。池化的理论基础是：图像相邻位置的像素是相关的，即使 阅读全文

摘要：数字图像是一个二维的离散信号，对数字图像做卷积操作其实就是利用卷积核（卷积模板）在图像上滑动，将图像点上的像素灰度值与对应的卷积核上的数值相乘，然后将所有相乘后的值相加作为卷积核中间像素对应的图像上像素的灰度值。 从卷积的效果来看，在二维图像上进行卷积时，卷积核对所在区域上符合某种条件的像素赋予较多 阅读全文

摘要：机器学习领域有很多现成的数据集，它们由个人或组织制作、整理，且向外界公开下载，比如在字符识别领域有mnist数据集等，数据挖掘领域有Iris，Adult数据集等。这些数据集为相关技术研究者提供了很大的便捷，有了这些资源，研究者就可以把更多的精力放在模型的研究上，可以说这些数据集的制作整理者对推动数据 阅读全文

摘要：上一次提到“商”这个字眼，还是在讲商集的时候。我们将商集看做是以等价关系对集合的一个划分。现在我们更进一步，提出商群的概念。 如果 $N$ 是不变子群，那么利用 $N$ 可以导出　$G$ 上的一个等价关系，　$a~b$ 当且仅当　$a^{ 1}b\in N$ ，也就是 $a,b$　同属于　$N$ 的 阅读全文