深層学習 第6章 畳込みニューラルネット - Qiita

第5章に引き続き、深層学習(青イルカ本)の第6章を読み進めていきます。 本投稿(連載)を一緒に読めば事前知識なしでも読み進められる...といったものを目指しています。 本章の概要 本章では，畳込みネットワークを扱います． はじめに，本手法の発想のもととなった神経科学の知見について触れ，次に構成要素である畳込み層とプーリング層を定義します． 本手法は画像認識に応用されており，関連して画像認識に用いられる正規化(局所コントラスト正規化)についても説明します． 次に順伝播型と同様，パラメータを最適化するために勾配を計算する方法を説明します． 最後に，本手法の適用例と効果について紹介しています． 本文詳細 6.3 畳込み 畳み込みの計算方法についてはStandfordのwikiのアニメーションから入ると良いかもしれません． 6.4 畳み込み層 畳込み層に重み共有が出現することについて説明します．本