CNN卷積神經網絡

CNN卷積神經網絡

1、初始化卷積網絡結構

cnn.layers = {

%input layer

struct('type', 'i')

%卷積層，卷積6個特徵輸出，卷積核尺寸爲<5,5>，卷積核爲{1,6}<5,5>。

struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5)

%子抽樣層，子抽樣比例，此爲1/2。

struct('type', 's', 'scale', 2)

%卷積層，卷積12個特徵輸出，卷積核尺寸爲<5,5>，卷積核爲{6,12}<5,5>。

struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5)

%子抽樣層，子抽樣比例，此爲1/2。

struct('type', 's', 'scale', 2)

};

2、初始化b=0，k{i}{j}（卷積核參數）；感知層ffW、ffb。

3、正向計算各層輸出a{i}：

初始化a{1}；

以convn(a,k,’valid’)正向卷積計算c層；

以scala=2，降採樣s層；

末端以ffv=f(a{n-1},ffW,…)計算輸出。

4、反向計算各層db、dk、dffW、dffb

5、修改各層b、k、ffW、ffb：

b = b – db;

k = k – dk;

ffW = ffW – dffW;

ffb = ffb - dffb;