卷积神经网络及应用

1、WOR酷式-专业学习资料-可编辑 -学习资料分享 WOR酷式-专业学习资料-可编辑 2 WOR酷式-专业学习资料-可编辑 3 -学习资料分享 研究现状 直到20064 勺理论 者提出CNN 种较网络的研究几经起落 提出,深度神经网研究兴 研究现状 的文章 Microso国际会议、期刊 被引入很多领域 IFIYTEK 取消 WOR酷式-专业学习资料-可编辑 、神经网络与卷积神经网络 V floatinV; 廊磁outV; w； floaterrIn： &JU floaterrOut; -学习资料分享 WOR酷式-专业学习资料-可编辑 7 神经网络与卷积神经网络 -学习资料分享 1S11

2、A WOR酷式-专业学习资料-可编辑 8 “神经网络与卷积神经洛 J Z2Z2 1 l: ,1 IK11.1 1 */sjf1sM*A 求Vjk的梯度: XI I -K X2 UrvH甯Lu B各变量满足如帮 nx *的 YL 叫j*Xi /=0 ny &=E%*为 j=0 %=slgmoid(Z) 寿m-)2 lossFun=k-o ,求Wij的梯度: I/I / LA J_i.J! *新七千一$丁注士;42工CEEfR 用TT.*W*T的修改批 神经网络身卷积神经网络 网络参数 学习资料分享 CNN网络参数 权值共享火火 神经生物学中局部感受野的提出（1962） 催生了春积的思想。

3、 卷轨神经网络与神经网络的主要区别就 WOR酷式-专业学习资料-可编辑 二、 神经网络与卷积神经网络 己_qlX_p.一人._. E)N DAI FULLYCONNECTEDNEURALNET 3*5t*S*v&G.f84 -学习资料分享 WOR酷式-专业学习资料-可编辑 神经网络与卷枳神经网络 学习资料分享 WOR酷式-专业学习资料-可编辑 神经网络与卷积神经网络 卷由核kernal在inputX图中从左向*下每次移动一个伉置,对应住置相乘求和并到OutputY中的一个住置oInput X -学习资料分享 WOR酷式-专业学习资料-可编辑 神经网络与卷积神经网络 pooling In

4、putX Kerne!W Output KernelW 学习资料分享 子采样通第有两种形式。 均值子采样彳样,孑采样可以看做一种特殊的卷余N WOR酷式-专业学习资料-可编辑 15 InputXKernal甲OutputY -学习资料分享 WOR酷式-专业学习资料-可编辑 16 神经网络与卷积神经网络 KernalIrX -学习资料分享 WOR酷式-专业学习资料-可编辑 黑F4Bn-H O O1 12 23 34 45 56 67 7B B9 9 WOR酷式-专业学习资料-可编辑 卷征囊第 爵本文的CNN模型的输入是语音的频谱特征 I 学习资料分享 ?L. -r. J* t o一 - * :

5、IJ Jr r 3 *F 一产一 、50 uuwmMl WOR酷式-专业学习资料-可编辑 19 -学习资料分享 WOR酷式-专业学习资料-可编辑 -学习资料分享 WOR酷式-专业学习资料-可编辑 -学习资料分享 WOR酷式-专业学习资料-可编辑 22 WOR酷式-专业学习资料-可编辑 23 -学习资料分享WOR酷式-专业学习资料-可编辑 24 WOR酷式-专业学习资料-可编辑 25 -学习资料分享WOR酷式-专业学习资料-可编辑 26 四、总结与展望 由于集用使用的训练数据较少，CNN1 去试的网.终结杓及参数也少， 我们还有很J火的雅型的调优金 未来CNN还可以套试使用更深层的网络结构，使用更好的语音特征。由于深度V网络对数据描述的能力更强，我们预测增加训练数据并经合理的