卷積神經(jīng)網(wǎng)絡(luò)原理推導(dǎo)_第1頁
卷積神經(jīng)網(wǎng)絡(luò)原理推導(dǎo)_第2頁
卷積神經(jīng)網(wǎng)絡(luò)原理推導(dǎo)_第3頁
卷積神經(jīng)網(wǎng)絡(luò)原理推導(dǎo)_第4頁
卷積神經(jīng)網(wǎng)絡(luò)原理推導(dǎo)_第5頁
已閱讀5頁,還剩25頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、.,卷積神經(jīng)網(wǎng)絡(luò)(CNN)原理推導(dǎo),阿育王626 2016.3.6,.,說明:,先導(dǎo)知識:CNN網(wǎng)絡(luò)結(jié)構(gòu)、BP網(wǎng)絡(luò)學(xué)習(xí)算法 參考文獻(xiàn):Notes on Convolutional Neural Networks,.,典型的CNN網(wǎng)絡(luò)結(jié)構(gòu)中,包含: 卷積層、下采樣層、全連接層,.,1.全連接層學(xué)習(xí)算法,1.1工作信號正向傳播 1.2誤差信號反向傳播,.,全連接層網(wǎng)絡(luò)結(jié)構(gòu)圖,.,2.1工作信號正向傳播,(1)當(dāng)前第l層的輸出xl: 先求ul:第l-1層的輸出xl-1(第l層的輸入)與其對應(yīng)權(quán)值Wl相乘,再加上基bl 再利用激活函數(shù)f(.) 得xl:sigmoid或Relu,.,逐層 傳播,直至得到

2、最終輸出層結(jié)果 利用網(wǎng)絡(luò)輸出值與真實(shí)值之間的誤差,進(jìn)行反向傳播,調(diào)整權(quán)值。 參數(shù):c表示分類數(shù)目,N表示訓(xùn)練樣本數(shù) tnk表示第n個(gè)樣本真實(shí)值的第k維 ynk表示第n個(gè)樣本輸出值的第k維,.,(2)誤差 第n個(gè)樣本的誤差:每類(共c類)誤差的和 總誤差:每個(gè)樣本(共N個(gè))誤差的和,.,2.2誤差信號反向傳播,反向傳播回來的誤差可以看做是每個(gè)神經(jīng)元的基的靈敏度 靈敏度的意思就是基b變化多少,誤差會變化多少 也就是誤差對基的變化率,即導(dǎo)數(shù)(公式1),.,(1)反向計(jì)算各層靈敏度,輸出層第L層靈敏度: 全連接層第l層靈敏度(公式2):,.,(2)權(quán)值調(diào)整,導(dǎo)數(shù): 權(quán)值更新(公式3): 對于每一個(gè)權(quán)值

3、Wij都有 一個(gè)特定的學(xué)習(xí)率Ij,.,2.卷積層學(xué)習(xí)算法,2.1工作信號正向傳播 2.2誤差信號反向傳播,.,卷積層典型結(jié)構(gòu)圖,卷積層,輸入層,.,子采樣層典型結(jié)構(gòu)圖,卷積層,子采樣層,假定每個(gè)卷積層l都會接一個(gè)下采樣層l+1,.,2.1工作信號正向傳播,(1)當(dāng)前第l層的第j個(gè)輸出xlj: 先從第l-1層的特征圖里,選擇若干個(gè)組成第l層輸入特征圖集合Mj; 再利用卷積核Klij分別與輸入特征圖中的每個(gè)map即xl-1i進(jìn)行卷積,并求和; 最后加上基blj,使用激活函數(shù)f即可。,.,(2)確定需要更新的權(quán)值 基b 卷積核k 說明:此時(shí)需要分別計(jì)算誤差對它們的變化率 和,.,2.2誤差信號反向傳

4、播,(1)計(jì)算基的梯度 上采樣第l+1層第j個(gè)靈敏度map: 說明:第l+1層為下采樣層,其中一個(gè)像素對應(yīng)的靈敏度對應(yīng)于第l層卷積層的輸出map的一塊像素(采樣窗口大小),因此,上采樣使其靈敏度map大小與卷積層的map大小一致,.,求第I層第j個(gè)靈敏度map(公式2可得): 說明:在下采樣層map的權(quán)值W都取一個(gè)相同值,而且是一個(gè)常數(shù)。 第l層靈敏度l:對第l層中的靈敏度map中所有節(jié)點(diǎn)進(jìn)行求和,由公式1可知,得到基的梯度。,.,(2)計(jì)算卷積核的梯度 對于一個(gè)給定的權(quán)值,對所有共享該權(quán)值的連接對該點(diǎn)求梯度; 然后對這些梯度進(jìn)行求和。 說明: 是 中的在卷積的時(shí)候與 逐元素相乘的patch,

5、.,.,3.子采樣層學(xué)習(xí)算法,3.1工作信號正向傳播 3.2誤差信號反向傳播,.,3.1工作信號正向傳播,(1)當(dāng)前第l層的第j個(gè)輸出xlj: down(.)表示一個(gè)下采樣函數(shù)。 有N個(gè)輸入maps,就有N個(gè)輸出maps,只是每個(gè)輸出map都變小n*n倍。 每個(gè)輸出map都對應(yīng)一個(gè)屬于自己的乘性基和一個(gè)加性基b。,.,(2)確定需要更新的權(quán)值 加性基b 乘性基 說明:此時(shí)需要分別計(jì)算誤差對它們的變化率 和,.,3.2誤差信號反向傳播,計(jì)算加性基的梯度 計(jì)算第I層第j個(gè)靈敏度map 加性基的梯度:,.,(2)計(jì)算乘性基的梯度 保存正向傳播時(shí)下采樣層的特征map: 乘性基的梯度,.,.,4. 特征圖組合,人工選擇 網(wǎng)絡(luò)選擇,.,第l層第j個(gè)輸出特征

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論