版權聲明：本文為博主原創文章，轉載請注明出處。

https://blog.csdn.net/happyer88/article/details/46772347

?????在上篇《CNN卷積神經網絡學習筆記2：網絡結構》中，已經介紹了CNN的網絡結構的詳細構成，我們已經可以初始化一個自己的CNN網絡了，接下來就是要用訓練得到一個確定的CNN的模型，也就是確定CNN的參數。?
?????CNN本質上就是人工神經網絡的一種，只是在前幾層的處理上有所不同，我們可以把卷積核看成是人工神經網絡里的權值W，而采樣層實質上也是一種卷積運算。所以可以基于人工神經網絡的權值更新的方法來推導CNN里的權值更新公式。人工神經網絡里是用反向傳播算法將誤差層層回傳，利用梯度下降法更新每一層的權值，CNN中也是類似的。所以這里先對傳統的BP算法做個概述，然后再推廣到CNN中。

總結

以上是生活随笔為你收集整理的CNN卷积神经网络：权值更新公式推导的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。