卷积神经网络基础 卷积神经网络包括卷积层和池化层。 二维卷积层 最常见的是二维卷积层，常用于处理图像数据。 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图1展示了一个互相关运算的例子，阴影部分分别是输入的第一个计算区域、核数组以及对应的输出。 二维卷积层将输入和卷积核做互相关运算，并加上一个标量偏置来

模糊理论和神经网络的基础资料，相关知识说得较明白易懂。

阿里云人工智能助理工程师ACA课程大纲

【内容提要】本书共分7个章节：神经网络概述；神经网络基础；BP神经网络；RBF径向基神经网络；自组织竞争神经网络；递归神经网络；支持向量机。 【参考文献格式】韩敏编著. 人工神经网络基础. 大连：大连理工大学出版社.2014.03

中科院自动化所的卷积神经网络PPT，包括卷积神经网络发展历程、基本原理，以及近年来的应用，强烈推荐。

吴恩达老师 深度学习课程 第一课 神经网络和深度学习 第二周神经网络基础 编程作业 （有道翻译，有歧义的地方请参考原文） 注：底部附带datasets和lr_utils 资源文件