卷积神经网络的意义(卷积层和池化层的意义工业中与机理的融合等)

卷积神经网络有卷积层和池化层。包含多个卷积层和池化层。 卷积层有滤波器的作用。多层卷积层可描述为各级滤波器。获取不同粒度的信息 池化层也称为欠采样或下采样。主要用于特征降维,压缩数据和参数的数量,减小过拟合,同时提高模型的容错性。 传统神经网络特征提取和分类/回归等是分离的,也就是分别做参数的优化,这对整体优化不利。深度学习中,特征提取等和后续应用融合在一起,可以取得更好的性能。 卷积层和池化层都是可以构造的,如果应用到工业,是否可以根据工业特性(所谓工业的机理模型等)构造深度学习?这样能实现机理模型和数据的共同学习。 作者:weixin_41827554