电子设计基础训练 思考9

本系列给出了作者在课程学习中遇到的问题，并给出自己的思考成果以供大家参考。能力有限，如遇文中有错误、不当之处烦请批评指正。更多问题欢迎在评论区交流！

本文少部分内容引用了互联网上的资料，出处不再一一标明。

---

一、通过搜集和查阅文献资料，自主学习，选择一种深度学习的算法。画出网络结构，简述各层功能

卷积神经网络（Convolutional Neural Networks，简称CNN）是一类包含“卷积计算”且具有深度结构的神经网络，被广泛用于图像识别领域。其核心可分为卷积层、池化层、激活层和全连接层这几种结构。

图1 CNN网络结构图

其中卷积层的主要作用是提取特征；卷基层中可以有多个卷积核，一个卷积核通过卷积运算可提取到数据的一种特征，多个卷积核最终能提取出数据的不同特征。池化层的主要作用是降维，即在保持原有特征的基础上去除冗余的弱特征，最大限度地将数据维数变小，以此减少网络中连接的数量；常用的池化函数有最大池化和平均池化；在卷积层后加上池化层，还可以避免数据过拟合。激活层主要对池化层的输出进行非线性映射（在CNN中一般采用ReLU函数），以缓解过拟合的发生，使多层的神经网络具有实际意义。全连接层中的每一层是由许多神经元组成的，其每一个结点都与上一层的所有结点相连，将前几层提取到的特征映射样本标记空间，减少特征的位置对分类结果的影响，最终得到合适的分类输出。