這篇文章解釋地特別簡單易懂：
how do convolutional neural networks work?
譯文：**cnn：通過100張圖一步步理解cnn
cnn的目的：
理想的情況下，我們希望，對於那些僅僅只是做了一些像平移，縮放，旋轉，微變形等簡單變換的影象，計算機仍然能夠識別出圖中的」x」和」o」。就像下面這些情況，我們希望計算機依然能夠很快並且很準的識別出來：
這也就是cnn出現所要解決的問題。
因為最大池化（max-pooling）保留了每乙個小塊內的最大值，所以它相當於保留了這一塊最佳的匹配結果（因為值越接近1表示匹配越好）。這也就意味著它不會具體關注視窗內到底是哪乙個地方匹配了，而只關注是不是有某個地方匹配上了。這也就能夠看出，cnn能夠發現影象中是否具有某種特徵，而不用在意到底在**具有這種特徵。這也就能夠幫助解決之前提到的計算機逐一畫素匹配的死板做法。
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...