资 源 简 介
主要内容
神经网络和卷积神经网络
层次结构
数据处理
训练算法
优缺点
正则化与Dropout
典型的结构与训练方式
神经网络之结构
卷积神经网络（Convolutional Neural Networks，CNN），CNN可以有效的降低反馈神经网络（传统神经网络）的复杂性，常见的CNN结构有LeNet-5、AlexNet、ZFNet、VGGNet、GoogleNet、ResNet等等，其中在LVSVRC2015冠军ResNet是AlexNet的20多倍，是VGGNet的8倍；从这些结构来讲CNN发展的一个方向就是层次的增加，通过这种方式可以利用增加的非线性得出目标函数的近似结构，同时得出更好的特征表达，但是这种方式导致了网络整体复杂性的增加，使网络更加难以优化，很容易过拟合。
CNN的应用主要是在图像分类和物品识别等应用场景应用比较多
