卷积神经网络——LeNet-5

一种典型的用来识别数字的卷积网络是LeNet-5。当年美国大多数银行就是用它来识别支票上面的手写数字的。能够达到这种商用的地步，它的准确性可想而知。 LeNet-5输入图像为32*32。比Mnist数据库的字母还要大。这样做的原因是希望潜在的明显特征如笔画断电或角点能够出现在最高层特征监测子感受野的中心。 卷积运算一个重要的特点就是，通过卷积运算，可以使原信号特征增强，并且降低噪音。 层名称 输入

>>阅读原文<<