1.通道和卷積核的理解
我們有rgb三通道的輸入影象，那麼我們如果獲得乙個特徵，那麼我們需要乙個卷積核，而這乙個卷積核包含三個矩陣。三通道的rgb影象通過這樣的卷積就會變成乙個通道的。
比如我輸入的是rgb三個通道的影象7*7*3，那麼我們如果想得到乙個影象的乙個特徵，那麼我們需要1個3*3的卷積核，這個卷積核包含三個矩陣，將每個矩陣和對應通道進行相乘相加，三個通道對應元素再相加，從而得到乙個特徵矩陣。
2.神經元和卷積核的理解
當我們的輸入是乙個7*7的影象，那麼我們如果想獲得兩個特徵，我們使用3*3的兩個卷積核即可，這樣經過一次卷積以後，得到兩個5*5的特徵圖，那麼我們卷積層的神經元的個數就是50個（5*5*2）.原因在於畫素的個數就是神經元的個數。
3.權值共享的理解
權值共享就是我的每個卷積核（獲得的每乙個特徵）裡面的神經元對應的引數都是相同的，而且閾值也是共享的。
比如就正如2所說當我們的輸入是乙個7*7的影象，那麼我們如果想獲得兩個特徵，我們使用3*3的兩個卷積核即可，這樣經過一次卷積以後，得到兩個5*5的特徵圖。由於每個特徵圖中的神經元共享權值，每個特徵圖上的神經元對應輸入影象3*3的區域，那麼每個神經元的權值個數是3*3=9個，即每個特徵圖上的權值個數也是9個，兩個特徵圖那麼就是2*9=18個。乙個神經元對應乙個閾值，那麼乙個特徵圖也就是乙個閾值，兩個特徵圖也就是兩個閾值。
人工神經元
神經元是構成神經網路的最基本單位，構造乙個人工神經網路系統的首要任務就是構造人工神經網路模型。1 人工神經元的基本構成 我們希望人工神經元可以模擬生物神經元的一階特性 輸入訊號的加權和。對於每乙個人工神經元來說，可以接受一組來自系統中其他神經元的輸入訊號，每個輸入對應乙個權，所有輸入的加權，所有輸入...
神經元細節
單個神經元的模型如下圖所示 在右圖中，神經元的激勵反應可分為兩大部分 1 神經元接受刺激，並對所有的刺激進行加權求和，然後加上偏置，得到激勵值 2 將激勵值作為輸入，輸入到啟用函式，最後通過激勵函式的作用得到最後的響應 注意 這裡總共分為兩個過程，不能忽視最後啟用函式的作用。乙個線性分類器就可以看作...
多組神經元
p 0.1 0.7 0.8 0.8 1.0 0.3 0.0 0.3 0.5 1.5 1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 1.5 1.3 t 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 r,q size p s,q size t net ...