人工智能实验

目录

人工智能实验

一、 卷积神经网络CNN

1. 算法原理

2. 网络结构

3. 结果分析

二、 循环神经网络RNN

1. 算法原理

2. 网络结构

3. 结果分析

三、 其他

一、 卷积神经网络CNN

1. 算法原理

1.1 卷积的原理

一维卷积经常用在信号处理中，用于计算信号的延迟累积。假设一个信号发生器每个时刻$t$产生一个信号$x^t$,$k$个时间 后的信息衰减率为$w^k$，则当前信号输出$t_t$为：

二维卷积经常用在图像处理中，因为图像通常为一个两维结构，所以需要将一维卷积进行扩展。使用如下公式进行二维卷积：

二维卷积广泛地被用在图像处理中，可以起到特征提取的作用。

1.2 卷积层和池化层

卷积神经网络是一种 基于生物学上感受野的机制，其中感受野主要是指听觉、视觉等神经系统中一些神经元的特性，即神经元只接受其所支配的刺激区域内的信号。在视觉神经系统中，一个神经元的感受野是指视网膜上的特定区域，只有这个区域内的刺激才能够激活该神经元。

卷积神经网络有三个结构上的特征：

· 局部连接

· 权重共享

· 空间上的下采样

卷积层有三个参数：

· 深度：卷积核的深度，和输入图像的通道数相等

· 步长：卷积核每次移动的像素数

· 填充：在原图像周围拓展值为0的像素