摘要：卷积神经网络作为深度学习的一种经典而广泛应用的结构,克服了过去人工智能中被认为难以解决的一些问题.卷积神经网络的局部连接、权值共享及下采样操作等特性使之可以有效地降低网络的复杂度,减少训练参数的数目,使模型对平移、扭曲、缩放具有一定程度的不变性,并具有强鲁棒性和容错能力,也易于训练和优化.文章介绍了卷积神经网络的训练方法,开源工具,及在图像分类领域中的一些应用,给出了卷积神经待解决的问题及展望.
分类：期刊> 自然科学与工程技术> 信息科技> 计算机软件及计算机应用
收录：知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：深度学习 卷积神经网络 网络结构 训练方法
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
