深层卷积神经网络-一次搞明白 session、cookie、token，面试问题全搞定

图2．4深层网络训练过程 Fig。2．4 Training Procedure of Deep Networks 无监督特征学习能够很好地提取样本的特征，但为了实现分类还需要将提取的特征 输入到分类器中进行分类。为了适应分类的要求，Hinton等【25J将无监督的特征提取方法 与Soffmax分类器相结合，提出了一种深层分类网络，即深度信念网络(Deep Belief Network，DBN)，具体内容在文章3．3．2中介绍说明。 2．2深层卷积神经网络 卷积神经网络(Convolutional Neural Network，CNN)网络是一种有监督的深层网络 模型，是当前模式识别领域主要流行的网络结构之一。一个典型的CNN网络模型往往 由卷积层(包含非线性激活)和池化层(下采样层)交替组成，使提取的特征图像尺寸 逐渐减小、特征图像层数逐渐增加，然后再以若干层全连接的形式连接网络，最后通过 分类器对提取的特征进行分类【3引，其结构简图如图2．5所示。在训练CNN网络时直接 以图像的数据矩阵输入到CNN网络，保留了图像各相素点之间的空间位置关系。在训 练过程中，CNN网络逐层对图像的特征进行提取、对不同模式进行分类。 万方数据