1. 特征（Feature）由很多小塊images組成（1 ，-1）
2. filtering （提?。?匹配的過程

image pixel 像素相乘 后相加 / 碎片數(shù)量

convolution后得到了一個(gè)map

不停用不同的feature repeat 得到不同的map

這就是 卷積層： 圖片變成了一堆 filtered images

layer（相同的操作）

3. 池化層（pooling）shrinking the image stake

1. 在卷積image中一個(gè)2*2的window，依次記錄最大值。這樣我們得到個(gè)小的image

3.歸一 化

relu layer: 全變正

if input h < 0 :

return 0

else:

return h

多做幾個(gè)疊加 -- output 變小惹

4.finally 最后一組數(shù)據(jù)

全連接層

> 1 belong o

< 1 belong x

base on weight -- 0.92 ---> x

全過程如下：

?(1) 卷積層 ：其主要目的是從圖像和一組可訓(xùn)練濾波器中提取特征。它們的應(yīng)用允許突出顯示某些特征并在輸出圖像中占據(jù)主導(dǎo)地位，（2） 池化 ：它用于減小圖像的尺寸，從而損失盡可能少的信息。它可以保留圖像一部分的最高或平均像素值，（3） 整流線性單元（ReLU） ：整流器緊接在每個(gè)卷積層之后使用，作為將負(fù)值替換為零的操作，并允許非要添加到模型中的線性度和 (4) 全連接（密集）層 ：它根據(jù)卷積和池化過程提取的特征進(jìn)行分類。在這些層中，其所有節(jié)點(diǎn)都連接到前一層。

關(guān)于反向傳播：

找到最小error，梯度下降法

總結(jié)：

需要調(diào)整的關(guān)于三個(gè)層的參數(shù)---關(guān)乎結(jié)果

apply in sound： 頻譜圖--2d image (input)

text:

這種就不能用cnn，因?yàn)閏onvolute 后會(huì)丟很多信息