卷积神经网络学习的进展

现代技术已经为我们提供了解决问题的途径，我们需要利用现在的技术去改变自己原有的检索能力。

对于卷积神经网络（CNN）一下都简称为CNN，自我感觉在看来很多资料以后，他对于训练集的结果，其实就像分类器一样，提取不同的特征。

如何正确的的使用cnn去做实验，对于初学者来说，是很有必要的。

渐渐的通过实验，发现，如果将深度学习（deeplearning）应用于CNN，将是对寄去学习有着很大的改善。

CNN主要用来识别位移。缩放以及其他形式扭曲不变的二维图形，由于CNN的特征检测层通过训练数据进行学习，因此避免了显示的特征提取。

CNN是在隐式中进行训练学习的。一般都是以最低为三层开始进行训练的。

卷积神经网络以其局部权值共享的特殊结构在很多领域都有其很重要的应用，尤其是在语音识别中，显得特别的优越。

在后续的学习中，我相信自己会更加深入的去了解，去发现其中的规律，不断的提升自己的水平。