1樓：
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，不要忘了它的思想的根源依然是BP，
至於二維卷積問題，其實影象處理裡邊早都有了各種微分和積分的卷積模板這樣做過的，或許是受這些思想的啟發，卷積的形式可以這樣搞，不熟的話複習下剛薩雷斯的影象處理，拉普拉斯微分卷積、高斯模糊卷積等
廣義的BP就是反向傳播，它是一種思想，貫穿於整個深度學習，不管是RNN、LSTM還是當前最火的CNN，這個BP的演算法也源於BP神經網路的發明，一維的BP大家都好做，二維的BP建議了解下《矩陣分析》這本書中的矩陣微分章節
2樓：沒牙的愛德華
這裡BP應該是backward propagation（反向傳播）吧如果是的話，那麼也許題主的BP神經網路是想說採用BP演算法進行權重更新的神經網路，從這個角度來看卷積神經網路是廣義神經網路的其中一大類，特點是網路層多為卷積層+池化層的組合。
但是一般不會說成BP網路，BP是計算梯度更新權重的一種基本方法，建立在這個方法上的更新策略有SGD/Adam, etc， 並非某一種網路。
的課程pj，自己實現一下全連線網路的BP演算法，這樣基本就能搞清其中的區別和關聯了。
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...
什麼是卷積神經網路？
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. 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...
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...