1樓：弗拉基公尺爾
神經網路可以理解為多元線性回歸。
卷積神經網路可以理解為矩陣形式的多元線性回歸。
不知道這樣理解對不對。
那就這樣說應該不會有錯
卷積是乙個提取特徵的函式.
2樓：憤怒的葡萄
不請自來
首先artificial NNs的目的就是他們能夠被用作乙個任意函式逼近的方式，CNN也是一樣。
CNN就是在原有的Nerual Network的基礎上在前端加上了convolutional layer用作提取特徵（每個神經元的輸入與前一層的區域性接受域相連，並提取該區域性的特徵。一旦該區域性特徵被提取後，它與其它特徵間的位置關係也隨之確定下來），另外在特徵對映時還要考慮權值和sigmoid函式的問題，後接pooling layer用於壓縮之前的資料，便於計算以提高計算速度。
CNN現在應用十分廣泛，不光是影象分類，分割，還可用作語義理解，語音識別，識別位移、縮放及其他形式扭曲不變性的二維圖形。由於神經網路的特性，在已標記的資料樣本足夠大時，CNN可以無限逼近你想要的任何函式。
以上為本人個人理解，不免有不正確的地方，還請專業人士予以批評指正。
卷積神經網路和BP神經網路的關係？
乙個維度的BP神經網路就相當於CNN中的全連線了，無非是多幾個全連線，CNN是二維，二維如果搞成全連線就導致運算量巨大，所以有了權重共享，大大減少了運算量，CNN卷積的思想肯定也源於BP神經網路就，在影象上做二維卷積的CNN發出炫目的光芒下，BP神經網路就已經快被人們遺忘了，但是不管CNN再怎麼發展...
卷積神經網路（CNN）和迴圈神經網路 RNN 有什麼區別？
不存在的1990 從字面區分 cnn 裡面的 c指 convolutional operation，是一種提取影象特徵方法。把這一operation加入到layer裡面構成了convolutional layer。rnn裡的r 指recurrent，中文是重複的意思。rnn構造的結構也是recurr...
卷積神經網路引數個數？
我覺得應該是208，雖然是三通道，但是，每個卷積核和三個通道進行運算時，引數都是一樣的，說608應該是說總共有多少個引數，比如2個w1，你說是乙個引數還是2個引數，說兩個確實是2個，說乙個也確實是乙個，都是w1，不就是乙個麼，所以可能理解不同，608說的是數量，208說的是種類 行者隨緣 說608的...