cnn比多層感知器（mlp）表現更好，原因為：
cnn=輸入層+隱含層+全連線層
mlp存在兩個問題
cnn可以接收矩陣作為輸入，卷積層儲存了空間結構。定義乙個卷積視窗，即濾波器或卷積核，在影象上滑動卷積核。
影象為乙個從
彩色影象是乙個函式。每個
dropout在前向傳播時隨機關閉節點，從而避免權重收斂到相同的位置。完成之後，開啟所有節點並進行反向傳播。
dropout機制只在訓練期間使用，不可用在執行時或者測試集上。
卷積層是cnn中主要的層型別，每個神經元都連線到輸入層的某個區域，這個區域稱為感受野。
Python深度學習筆記（二）神經網路
學習深度學習過程中的筆記和大家分享。訓練神經網路主要圍繞這四個方面 1,層 神經網路的基本資料結構是層，它是乙個資料處理模組，將輸入張量轉換成輸出張量。不同的張量格式與不同的資料處理型別需要用到不同的層。簡單的向量資料儲存在 sample,features 的2d張量中，通常用全連線層 對應kera...
深度學習 神經網路筆記
rnn 遞迴神經網路 一 神經網路的種類 基礎神經網路 單層感知機，執行緒神經網路，bp神經網路，hopfield神經網路等 高階神經網路 玻爾茲曼機，受限玻爾茲曼機，遞迴神經網路等 深度神經網路 深度置信網路，卷積神經網路，迴圈神經網路，lstm聖經網路等 一 感知機 svm 有n個輸入資料，通過...
神經網路和深度學習（二）淺層神經網路
1 計算神經網路的輸出 正向傳播 矩陣表示 向量化 2 多個樣本的向量化 正向傳播 3 啟用函式 1 sigmoid函式僅用於二分分類的情況，較少使用 2 tanh函式絕大多數情況下優於sigmoid函式 3 relu函式是預設的常用啟用函式 4 leaking relu 帶洩露的relu函式 4 ...