參考文獻
卷積是什麼
定義：在泛函分析中，卷積、旋積或卷積(英語：convolution)是通過兩個函式f 和g 生成第三個函式的一種數學運算元，表徵函式f 與g經過翻轉和平 移的重疊部分的面積。
公式：
theano實現：theano.tensor.signal.conv2d
（區域性感知＋權值共享－－>減少引數－－>計算機實現）
矩陣的卷積運算：
規則：1.影象卷積運算通常使用3*3矩陣
2.卷積核旋轉180度，將卷積核中心對應輸入矩陣的[0,0]元素，對重疊部分求和
3.移動卷積核，分別對應輸入矩陣的每個元素，進行求和，得到輸出矩陣。
from theano.tensor.nnet import conv2d
卷積計算 conv2d(input,w)
卷積輸出值
池化池化層往往在卷積層後面，通過池化來降低卷積層輸出的特徵向量，同時改善結果（不易出現過擬合）。因為影象具有一種「靜態性」的屬性，這也就意味著在乙個影象區域有用的特徵極有可能在另乙個區域同樣適用。因此，為了描述大的影象，乙個很自 然的想法就是對不同位置的特徵進行聚合統計，例如，人們可以計算影象乙個區域上的某個特定特徵的平均值 (或最大值)來代表這個區域的特徵。通過池化達到降維德目的theano實現：
from theano.tensor.signal import pool
池化操作
神經網路 卷積神經網路
這篇卷積神經網路是前面介紹的多層神經網路的進一步深入，它將深度學習的思想引入到了神經網路當中，通過卷積運算來由淺入深的提取影象的不同層次的特徵，而利用神經網路的訓練過程讓整個網路自動調節卷積核的引數，從而無監督的產生了最適合的分類特徵。這個概括可能有點抽象，我盡量在下面描述細緻一些，但如果要更深入了...
神經網路 卷積神經網路
1.卷積神經網路概覽 來自吳恩達課上一張，通過對應位置相乘求和，我們從左邊矩陣得到了右邊矩陣，邊緣是白色寬條，當畫素大一些時候，邊緣就會變細。觀察卷積核，左邊一列權重高，右邊一列權重低。輸入，左邊的部分明亮，右邊的部分灰暗。這個學到的邊緣是權重大的寬條 都是30 表示是由亮向暗過渡，下面這個圖左邊暗...
卷積神經網路 有趣的卷積神經網路
一 前言 最近一直在研究深度學習，聯想起之前所學，感嘆數學是一門樸素而神奇的科學。f g m1 m2 r 萬有引力描述了宇宙星河運轉的規律，e mc 描述了恆星發光的奧秘，v h d哈勃定律描述了宇宙膨脹的奧秘，自然界的大部分現象和規律都可以用數學函式來描述，也就是可以求得乙個函式。神經網路 簡單又...