卷积神经网络基础知识

        人工神经网络（artificial neural network，ANN），简称神经网络（neural network，NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型，由大量的节点（或称“神经元”）相互联接构成。

w1、w2，w3：称为权重，表示对应输入信号的重要性，权重值越大，表示对应的信号越重要。

h(x), 就是神经网络里面经常提到的“激活函数”，其作用在于决定如何来激活输入信号的总和。

      神经网络结构划分

                1) 输入层：样本信息输入。

                2) 隐藏层：所有在输入层之后并且在输出层之间的层都是隐藏层，用于处理中间步骤，这些步骤通常不对用户展示，因此成为隐藏层。

                3) 输出层：输出神经网络的计算结果。

注：其中输入层两个节点与隐藏层三个节点均有连接，隐藏层三个节点也都与输出层每个节点连接，像这样每一层的每一个节点都和下一层的全部节点有连接的神经网络，就称作全连接网络（简称全连接）。

卷积神经网络（Convolutional Neural Network）简称CNN。

CNN 的整体结构

CNN中层的连接顺序是：卷积层->激活函数->(池化层)。池化层有时会被省略。

CNN中可以有多个卷积层：卷积层->激活函数->(池化层)