萌新小白一只，剛剛接觸AI，在遍歷人工智能發展時就看到了“卷積神經網絡”，頓時想到了去年被概率論支配的恐懼，因此想在這里分享一點經驗來幫助大家更好理解。

所謂“卷積神經網絡”，就是結合卷積公式，建立類似神經元的生物學模型，再加上一堆激活函數、損失函數來修正加工，最后再梯度求導達到幫助AI進行深度學習的目的。

首先我們來看一下卷積公式： ?fX?fY=∫?∞∞?fX?(z?y)fY?(y)dy=∫?∞∞?fX?(x)fY?(z?x)dx。

這里z=x+y,fX?和fY都是概率密度，fX??fY表示卷積。其意義就是響應在輸入信號上的延遲疊加。這樣解釋還是很抽象，我們舉個例子，就拿復聯來說吧。

為了守護世界的和平、抵御黑暗勢力的攻擊，復仇者聯盟應運而生。在漫威宇宙里，他們拳打洛基，腳踢奧創(奧創也是人工智能哦)。電影放映后，IP持續爆紅，項目組一看有搞頭哦，接下來就安排主角團去剛大Boss滅霸，團滅后穿越時空終于打敗了Boss，完結撒花。

在這里故事大綱(漫威宇宙的設定)就是輸入信號，超級英雄們的行為就是響應，兩者之間的聯動就是卷積了，最后鋼鐵俠去世、美隊老去相當于響應在輸入的延遲疊加。

然后我們來看看神經網絡，這個概念借助了神經元的特性：能夠接受外界刺激，產生興奮，傳導興奮。又因為神經元興奮的傳導是線性關系的，為了防止輸入0輸出0這種情況的產生和處理一些非線性情況，專家們就在這個模型里面添加了激活函數，目前常用的激活函數有很多，如Sigmoid函數(s形生長曲線)、ReLU函數(線性整流函數)等。然后再用損失函數來對比實際輸出結果和理論預期結果，導出誤差。

有誤差就要盡量減少，不是嗎？這時我們就要用到求導這種方法了，去以上的過程中找到梯度下降的地方，優化參數，誤差就會減少。當然啦，以上的計算量是海量的，非計算機難以完成。

經過卷積神經網絡這一過程，誤差不斷減小，AI就能進行深度學習了。

總結

以上是生活随笔為你收集整理的人工神经网络心得体会_卷积神经网络学习心得的全部內容，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。