一文读懂
人工智能里的“卷”
年12月10日，由《语言文字周报》主办的年“十大网络流行语”评选中，“卷/内卷”高票入选，成为人们日常生活中的高频流行词汇。
而人工智能领域也有一个非常著名的「卷」—计算机视觉领域的基础算法模型—「卷积神经网络」，英文是ConvolutionalNeuralNetworks，也就是我们经常听到的CNN模型。本文就给大家简要介绍一下卷积神经网络的前世今生，让大家对它的概念有一个基础了解，也能加深一些人工智能深度学习的理解。
01
卷积神经网络的兴起
要介绍卷积神经网络，我们要先从人工智能的发展说起，人工智能和机器学习的概念可以追溯到50多年前，然而，它们在过去的十几年里才真正流行起来，这是为什么呢？
其实近十几年内人工智能的成功可以归功于三个重要的趋势[1]：
1）新颖的研究项目推动新的算法和适用的用例
2）拥有收集、组织和分析大量用户数据的集中式实体（例如云服务）的能力
3）新颖的计算基础设施，能够快速处理大规模数据
卷积神经网络则刚好都与这三条相关，它属于新的（或者说是改进的）人工智能深度学习算法，依托于大量数据的积累和新硬件的计算加速，推动了它的发展和落地。
卷积神经网络的概念最早可以追溯到年日本学者福岛邦彦（KunihikoFukushima）在其发表的论文中提出以「neocognitron」命名的具有深度结构的神经网络模型，模型中首次包含了卷积层的设计。但鉴于当时人工智能应用和发展情况不佳，整体热度下降，所以卷积神经网络并没有得到很好地推广。
近十几年卷积神经网络的兴起，可以从年贝尔实验室工作的YannLeCun提出LeNet-5算起，他和他的团队构建了更加完备的卷积神经网络模型：LeNet-5，并在手写数字的识别问题中取得超越以往的准确度。再到年深度学习理论被学术界重新重视，卷积神经网络的表征学习能力得到了学术界的
转载请注明：http://www.0431gb208.com/sjszyzl/779.html
