人工智能基础与应用（第2版）（微课版）课件 7-2 深度神经网络.pptx

7-2深度神经网络模块?语音识别：让机器对你言听计从

目录CONTENTS深度神经网络基础01卷积神经网络02

一.深度神经网络基础1.深度神经网络的基本结构神经元加权和、非线性变换多层连接

二.卷积神经网络1.深度神经网络参数的复杂性如果输入层向量有106个，假设隐藏层向量数目与输入层一样，那么从输入层到隐藏层的权重参数就有1012个，这还没有考虑后面其他隐藏层的参数。这样参数就太多了，模型根本无法训练。

二.卷积神经网络2.卷积神经网络的优势在20世纪60年代，大卫·休伯尔（DavidHubel）和托斯坦·维厄瑟尔（TorstenWiesel）在研究大脑皮层中用于局部敏感和方向选择的神经元时，发现其独特的网络结构可以有效地降低反馈神经网络的复杂性。CNN的基本结构提取特征提高卷积神经网络的非线性表达能力降维、减少计算量特征转换与映射

二.卷积神经网络3.卷积操作不同形状的“X”“X”的像素矩阵3个卷积核卷积计算

二.卷积神经网络3.激活函数sigmoidtanhReLUSoftmax

二.卷积神经网络4.全连接层通过不断卷积、激活和池化，就得到了样本的多层特征图，然后将最终得到的特征图排成一列，即将多层的特征映射为一个一维的向量，形成全连接层。

人工智能基础与应用Thankyouverymuch!