2019年4月10日12:40，在工B308办公室，beat365官方网站王胜老师作了“卷积神经网络（CNN）”的学术报告，beat365官方网站青年教师和部分学生聆听此次报告。
首先，王胜老师简要概述了卷积神经网络（Convolutional Neural Networks，CNN）的作用原理及主要应用。然后重点讲解了CNN的主要结构：数据输入层、卷积计算层、ReLU激励层、池化层、全连接层，并结合tensorflow实例给出各层参数选取的相关建议。其次，对卷积神经网络算法的优缺点进行总结：CNN可以共享卷积核（共享参数），对高维数据的处理没有压力，无需选择特征属性，只要训练好权重，即可得到特征值，同时利用深层次的网络抽取图像信息将更为丰富，表达效果更好；但是CNN需要调参，需要大量样本，训练迭代次数比较多，最好使用GPU进行训练，且其物理含义不明确，从每层输出中很难看出含义来。最后，王胜老师以Minist手写字符的识别为案例，让大家动手在自己电脑上调用CNN算法进行实操练习。
通过此次科研专题报告的学习，大家对CNN卷积神经网络更深入的理解，为后续的深度学习研究奠定了基础。
（撰稿：崔琳 审核：宋启祥）
beat365官方网站
