卷积、反卷积、交叉熵

本课程是“火炬上的深度学习”系列课程的配套视频,详细讲解了卷积神经网络的数学原理。(课时:36 分钟)

深度学习 卷积 交叉熵

讲师:   张江

课程资料

  • 课件下载:(报名后可见)

课程背景

本课为“火炬上的深度学习”附加课程:卷积、CNN上的反向传播算法以及交叉熵。在本课程中,我们详细解读了有关卷积这一数学运算的含义,它的一维连续形式、离散形式与二维形式,并指出它对于图像处理的更加丰富的含义。之后,我们详细讲述了适用于卷积神经网络的反向传播算法,给出了反卷积(deconvolution)的定义。最后,我们讲述了数学上交叉熵的概念,以及为什么它可以被应用到分类问题的度量上来。

课程目的

学完本课程,你能做到

  • 熟悉卷积神经网络中涉及的数学原理

课程详情

在本讲解中,我们从如下方面介绍了神经网络模型中的一些基本知识:

  • 一维、二维卷积的数学表示

  • 典型卷积核:边缘检测、锐化、浮雕、模糊、运动模糊

  • 权值共享

  • 卷积神经网络中的反向传播

  • 交叉熵的数学意义