本文简要解释了机器学习、深度学习、卷积神经网络的的概念，厘清了三者之间的从属关系。进而着眼于卷积神经网络，详细介绍了经典卷积神经网络的架构与特点，以及它们的发展过程、设计理念，每一种经典网络的提出几乎都解决了上一代网络出现的部分问题。
1. 机器学习、深度学习及卷积神经网络
1.1机器学习
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。机器学习主要可以分为监督学习和无监督学习，监督学习的训练集是由人标注的。无监督学习的训练集没有人为标注的结果。半监督学习介于监督学习与无监督学习之间[1]。
1.2 深度学习
深度学习是机器学习中一种基于对数据进行表征学习的方法，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
1.3 卷积神经网络CNN
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
