深度学习笔记（一）

1.1 CNN基本原理 CNN的基本结构包括两层，其一为特征提取层，每一个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之肯定下来；其二是特征映射层，网络的每一个计算层由多个特征映射组成，每一个特征映射是一个平面，平面上全部神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数做为卷积网络的激活函数，使得特征映射具备位移不

>>阅读原文<<