萌新小白一只，剛剛接觸AI，在遍歷人工智能發(fā)展時就看到了“卷積神經(jīng)網(wǎng)絡(luò)”，頓時想到了去年被概率論支配的恐懼，因此想在這里分享一點經(jīng)驗來幫助大家更好理解。

所謂“卷積神經(jīng)網(wǎng)絡(luò)”，就是結(jié)合卷積公式，建立類似神經(jīng)元的生物學(xué)模型，再加上一堆激活函數(shù)、損失函數(shù)來修正加工，最后再梯度求導(dǎo)達到幫助AI進行深度學(xué)習(xí)的目的。

首先我們來看一下卷積公式： ?fX?fY=∫?∞∞?fX?(z?y)fY?(y)dy=∫?∞∞?fX?(x)fY?(z?x)dx。

這里z=x+y,fX?和fY都是概率密度，fX??fY表示卷積。其意義就是響應(yīng)在輸入信號上的延遲疊加。這樣解釋還是很抽象，我們舉個例子，就拿復(fù)聯(lián)來說吧。

為了守護世界的和平、抵御黑暗勢力的攻擊，復(fù)仇者聯(lián)盟應(yīng)運而生。在漫威宇宙里，他們?nèi)蚵寤?#xff0c;腳踢奧創(chuàng)(奧創(chuàng)也是人工智能哦)。電影放映后，IP持續(xù)爆紅，項目組一看有搞頭哦，接下來就安排主角團去剛大Boss滅霸，團滅后穿越時空終于打敗了Boss，完結(jié)撒花。

在這里故事大綱(漫威宇宙的設(shè)定)就是輸入信號，超級英雄們的行為就是響應(yīng)，兩者之間的聯(lián)動就是卷積了，最后鋼鐵俠去世、美隊老去相當(dāng)于響應(yīng)在輸入的延遲疊加。

然后我們來看看神經(jīng)網(wǎng)絡(luò)，這個概念借助了神經(jīng)元的特性：能夠接受外界刺激，產(chǎn)生興奮，傳導(dǎo)興奮。又因為神經(jīng)元興奮的傳導(dǎo)是線性關(guān)系的，為了防止輸入0輸出0這種情況的產(chǎn)生和處理一些非線性情況，專家們就在這個模型里面添加了激活函數(shù)，目前常用的激活函數(shù)有很多，如Sigmoid函數(shù)(s形生長曲線)、ReLU函數(shù)(線性整流函數(shù))等。然后再用損失函數(shù)來對比實際輸出結(jié)果和理論預(yù)期結(jié)果，導(dǎo)出誤差。

有誤差就要盡量減少，不是嗎？這時我們就要用到求導(dǎo)這種方法了，去以上的過程中找到梯度下降的地方，優(yōu)化參數(shù)，誤差就會減少。當(dāng)然啦，以上的計算量是海量的，非計算機難以完成。

經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)這一過程，誤差不斷減小，AI就能進行深度學(xué)習(xí)了。

總結(jié)

以上是生活随笔為你收集整理的人工神经网络心得体会_卷积神经网络学习心得的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。