下载掌阅APP，畅读海量书库
立即打开
第3章使用多层感知机完成了MNIST分类实战的演示。多层感知机是一种基于对目标数据整体分类的计算方法，虽然从演示效果来看，多层感知机可以较好地完成项目目标，对数据进行完整的分类。但是使用多层感知机需要在模型中使用大规模的参数，同时由于多层感知机是对数据进行总体性的处理，从而无可避免地会忽略数据局部特征的处理和掌握，因此，我们需要一种新的能够对输入数据的局部特征进行抽取和计算的工具，如图5-1所示。
图5-1 对输入数据的局部特征进行抽取和计算
卷积神经网络是从信号处理衍生过来的一种对数字信号处理的方式，发展到图像信号处理上演变成一种专门用来处理具有矩阵特征的网络结构处理方式。卷积神经网络在很多应用上都有独特的优势，甚至可以说是无可比拟的优势，例如音频的处理和图像的处理。
本章将首先介绍什么是卷积神经网络，卷积实际上是一种不太复杂的数学运算，即一种特殊的线性运算形式。然后会介绍“池化”这一概念，这是卷积神经网络中必不可少的操作。另外，为了消除过拟合，还会介绍drop-out这一常用的方法。这些是让卷积神经网络运行得更加高效的常用方法。