池化操作与反向传播

池化（pooling）主要是在用于图像处理的卷积神经网络中，但随着深层神经网络的发展，池化相关技术在其他领域，其他结构的神经网络中也越来越受关注。 池化操作可以看做只取用某一个区域的关键特征，忽略其他特征。 池化的作用 1、pooling的结果是使得特征减少，参数减少，但pooling的目的并不仅在于此。 2、pooling目的是为了保持某种不变性（旋转、平移、伸缩等）。 池化的概念 根据相关理论

>>阅读原文<<