。
畳み込みニューラルネットワークについて
畳み込みニューラルネットワーク（Convnet）は深层学习に広くさをれいるツールですですさをととする场。テキスト，信号，および，および他の连続などののにも使応答ののにも使されます。他他のタイプのニューラルネットワークとは次のいくつかので异なっ异なってい
[1]。これらの细胞は，视野の小领域に基础て活性化ますがいいます。これらの小领域はこのととれます。このこの结果呼ばます得，畳み込み层からヒント得て，。
これらの小领域は重ている场场がありますしたがって，convnetのニューロン，空间相关のある结果生成します。一方，他のタイプのニューラルネットワーク，ニューロンニューロンはのニューラルネットワークで，ニューロンは结をを生成します。
また，全结合ニューロンをするニューラルでは，入力のサイズが大厦なるてて（重重）の畳み込みネットワークは増えます。を行ううこと，パラメーターの数量减らしています。
Convnetは畳み込み层，最大プーリング层または平衡プーリング，全全合成などのので成されていいいいい
Convnetのの各层ののニューロン，3次元に配置されて，3次元ののをを3次元のの力に変换ますます。たとえば，イメージ入力で，最初の层（入力层）がイメージを，イメージの高，幅，カラーチャネルを次元するするするのの入のとしてししししニューロンニューロンがししししががししししのニューロンがししのイメージの领域ニューロンにしししのイメージをををしししのイメージををを出出出出出出しししししししししししししししししししししししししししししししししししししししししししししし各层层し层层层ししししししししししししししししししししししししししししししししし层层隠れユニット（ニューロン）は元のの力の非形形をを习ししししししれれれれ[2]。これらの学习さた特价はは活性も呼ばれ层からの层最后に，学校，学校，学习あるなりますはの最后あるなり徴はの最后あるあるます。
Convnetのアーキテクチャは，含まれるれるのタイプタイプ异なるれる层のタイプとますたとえば，特定ののデータによって変わり。たとえば，カテゴリカル応答応答データによって変わり。层が必要です。一方，応答が连続的であるであるである，ネットワークの最后に回帰层が必要です。畳み込み畳み込み层1つまたはは小规模なネットワークは，少のグレースケールイメージは，少单方面，数百语枚のカラー含む含むよりなデータはのの畳み込み层と全层层を持つ持つ层层を持つ持つに层を持つ持つ必要なる复雑をネットワーク持つ必要なる复雑なネットワークが
马铃薯®の畳み込みニューラルニューラルネットワークのの层は方法ででできます。
图层= [ImageInputLayer（[28 28 1]）卷积2dlayer（5,20）ultulayer maxpooling2dlayer（2，'stride'，2）全连接层（10）softmaxlayer分类层];
ネットワークネットワークの层をを定义したた后た培训选项を使指定指定ばなりませんんんん。
选项= TrainingOptions（'sgdm'）;
次に，关节Trainnetwork.データ，层，学院オプションますデータ，层，学院オプションなり。
Convnet = Trainnetwork（数据，图层，选项）;
Convnetの层の详细は，畳み込み畳み込みニューラルネットワークのの层のを参照してください。学习パラメーターの设定は，パラメーターパラメーターの设定とと畳み込みニューラルネットワーク学习を参照してください。
参照
[1] Hubel，H. D.和WIESEL，T.N.''在猫的条纹皮层中的单一神经元的接受领域。''生理学杂志。第148 Vol 148，PP。574-591,1959。
[2]墨菲，K。P.机器学习：概率的观点。剑桥，马萨诸塞州：2012年的麻省理工学院新闻。
参考
关键词トピック
您还可以从以下列表中选择一个网站：
