卷积神经网络综述

雷慧静

摘 要：随着我们生活中需要处理的数据量越来越大，深度学习作为处理数据的方式之一也在飞速的发展，如今已在图像识别、目标检测、目标追踪等多个方面取得突破性研究成果。卷积神经网络作为常见的深度网络之一也得到了研究人员的重视。本文主要介绍了卷积神经网络的起源与发展，对卷积神经网络的基本构成及算法进行了探讨，概述了近期在卷积神经网络上的突破与最新研究成果，及其在未来发展中的优势和劣势的分析。

关鍵词：深度学习；卷积神经网络；有监督学习；网络结构；图像识别

中图分类号：TP183 文献标识码：A 文章编号：1671-2064（2018）16-0044-04

随着社会的发展，越来越庞大的数据量与其维度的变多导致人们无法通过一般的统计学知识来处理数据，因此大数据的处理便成为我们面临的重大问题。大数据处理在一般流程上包括数据存储、数据抽取与集成、数据分析、数据解释和用户等几个层次[1]，其中，数据分析是大数据处理的核心，机器学习则是进行有效的数据分析的方式之一。机器学习可分为有监督学习和无监督学习，其核心在于将数据的特征进行分类，如若数据特征可以被标签化，则通过由监督学习可以将这些标签分类，从而达到特征分类的目的；如数据特征不存在标签，则只能依靠无监督学习将这些特征进行聚类。另一方面，人们常说的深度学习则是指通过深度网络，即多重网络进行机器学习，常见的深度网络有卷积神经网络（CNN）[2-3]。……