Issn 2072-0297 Молодой учёный Международный научный журнал Выходит еженедельно №4 (138) / 2017 р е д а к ц и о н н а я к о л л е г и я : Главный редактор

 1. Структура сверточной нейронной сети
Постепенно подстраивая свои параметры обучаю-
щаяся нейронная сеть начинает предсказывать то, что нам 
нужно. Особенность заключается в том, что в ней нейроны 
первого уровня упорядочены в особую структуру: нейроны 
на первых слоях разбиты на изображения определенного 
размера, которые иногда называют картами. И разные 
карты внутри одного слоя соответствуют нейронам одного 
типа, которые реагируют на разные особенности изобра-
жений. И активация следующего слоя бывает двух видов. 
В первом комбинация нейронов следующего уровня вы-
числяется как линейная комбинация нейронов нижнего 
уровня, причем веса зависят от взаимного расположения 
и типа нейронов, но не зависят от расположения данного 
нейрона внутри карты. Во втором активация нейроном 
на следующем уровне просто повторяет активацию ней-
ронов на предыдущем уровне, но изображение становится 
меньшего размера за счет того, что активация рядом рас-
положенных нейронов заменяется на их максимум или их 
среднее. Это так называемая операция «пулинга».
Подобная структура делает сверточные нейронные сети 
очень подходящими для работы с изображениями, она на-
пример гарантирует, что если два изображения отлича-
ются маленьким сдвигом, то нейронная сеть на выходе 
получит очень похожий результат. Кроме того в сверх-
точных нейронных сетях количество параметров неве-
лико относительно количества нейронов, а обычные ней-
ронные сети для такого же количества нейронов имели бы 
сотни миллиардов параметров и набрать обучающих мно-
жеств для такого количества параметров мы бы никогда не 
смогли, а сверточные нейронные сети с таким количеством 
нейронов могут обучаться по существующим выборкам и 
именно это делает их такими успешными.

---