深度卷conv nets: principles & practice, convolutional layers' backward propagation

如何对CNN网络的卷积层进行反向传播

在多分类任务中，卷积神经网络（CNN）的输出层神经元通常采用softmax函数。一般来说，在我的经验中如果没有特殊需求的情况下，径向基函数（RBF）通常被称为Radial Basis Function (RBF)。

在DNN兴起之前，在支持向量机（SVM）的核函数中得到了广泛应用的基尔伯特变换（Radial Basis Function, RBF）因其卓越的局部逼近能力而备受关注；此外，我们熟悉的一种基于基尔伯特函数的神经网络模型（即仅采用基尔伯特函数作为激活函数的一层隐含层的人工神经网络）

如果将其视为卷积神经网络的输出单元，则认为如果没有特别的应用背景支持这一做法的话

如果有人想知道如何获取该源代码并感到困惑的话

其定义及计算式的具体说明可参考：/link?url=7LE6KImv5IveCM90JcnctlgVY7OgCd7E_G0Yv0vyTfV3P8S3Q_rZU3CM6f0udS-b6ux2w-hejkOrGMkmj8Nqba

卷积神经网络是如何反向调整参数的？

matlab如何实现反向传播算法？

后