文档介绍：该【matlab-CNN代码理解 】是由【朱老师】上传分享，文档一共【29】页，该文档可以免费在线阅读，需要了解更多关于【matlab-CNN代码理解 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。卷积神经网络代码理解1、代码来源:代码来自DeepLearnToolbox-master,是matlab一个深度学****的工具包,里面含有很多机器学****算法,N,深度信念网络DBN,自动编码AutoEncoder等。,设置网络结构及训练参数〔卷积,下采样层数;卷积核大小,下采样降幅,学****率,迭代次数等〕,并初始化网络中各参数,包括各层特征图大小,—向前传播过程〔卷积、下采样、全连接、输出等〕—,、函数调用关系图3-1函数调用关系图4、,每个样本特征为一个28*28的向量。其中训练集样本60000,测试集样本10000,并将首先将样本像元值转化为一维向量作为网络的输入:样本例如如以下图所示:图4-1样本例如图图4-2样本预处理5、样例网络结构图5-1网络结构图6、算法流程图6-1算法流程7、,恢复为4*【卷积降采样层】,大小为3×3,第l+1层核大小为2×2卷积核为:灵敏度为:采用’full’模式需先将第l+1层2个卷积图扩充,周围填0,×4,pooling区域大小为2×2,那么pooling后得到的矩形大小也为2*2,如果此时pooling后的矩形误差敏感值如下: 那么按照mean-pooling,首先得到的卷积层应该是4×4大小,其值分布为(等值复制): 因为得满足反向传播时各层间误差敏感总和不变,所以卷积层对应每个值需要平摊〔除以pooling区域大小,这里pooling层大小为2×2=4)〕,最后的卷积层值分布为:,更新模型8、例如〔训练一个样本〕,代码如下:其结构如以下图所示,从左到右依次命名为:输入层、卷积层1、降采样层1、卷积层2、降采样层2、全连接层、输出层〔命名方便后面阐述〕,代码为:疑问:rand(n)是产生n×n的0-1之间均匀取值的数值的矩阵,-,再*2就放大到[-1,1]。然后不明白再乘以后面那一数?*6=6个卷积核卷积层1第一个卷积核权重为:卷积层1第二个卷积核权重为:卷积层1第三个卷积核权重为:卷积层1第四个卷积核权重为:卷积层1第五个卷积核权重为: