深度学习卷积神经网络LeNet

卷积神经网络LeNet

• 1. CNN的历史

• 2. 卷积神经网络LeNet

• • 2.1 经典的LeNet结构
  • 2.2 卷积过程

• 3. LeNet-5网络结构分析

  • • 3.1 卷积核参数更新过程
    • 3.2 LeNet网络的逐层分析
    • 3.3 LeNet中待估计的参数

  • 4. 结尾

  • 参考文献

在本次课程中，我们将深入探讨当下机器学习领域中应用最为广泛的深度学习模型类型—卷积神经网络（Convolutional Neural Network, CNN）。

1. CNN的历史

现代卷积神经网络（CNN）的发展始于20世纪80年代初期的日本福岛大学（Fukushima University）。该最初的人工神经网络模型实现了自动生成卷积核的能力，并奠定了现代CNN的基础特性。
于1998年，在贝尔实验室任职的法国计算机科学家Yann LeCun开发了一种基于图像识别的手写数字分类系统。
这种技术旨在识别单色调二值图像中包含的数字字符。
为了便于区分不同类别中的物体特征，Yann LeCun以其名字命名这一版本名为LeNet。
该技术首次实现了 CNN 在实际应用中的成功部署。
其工作奠定了现代 CNN 技术的基础框架。

![在这里插入图片描述](https://cdl.i