机器学习中的卷积神经网络 (CNN)

在本文中，我们将详细讨论机器学习中的卷积神经网络 (CNN)。

卷积神经网络（CNN）：

• 卷积神经网络 (CNN) 是一种深度学习神经网络，用于处理结构化数据数组，例如画像。
• CNN 在处理输入图像中的设计方面非常令人满意，例如线条、渐变、圆圈，甚至眼睛和面部。
• 这一特性使卷积神经网络对计算机视觉如此强大。
• CNN 可以直接在未完成的图像上运行，不需要任何预处理。
• 卷积神经网络是一种前馈神经网络，很少有多达 20 个。
• 卷积神经网络的力量来自一种称为卷积层的特殊层。
• CNN 包含许多相互叠加的卷积层，每一层都能够识别更复杂的形状。
• 使用三到四个卷积层可以识别手写数字，使用 25 层可以区分人脸。
• 该领域的议程是激活机器以像人类一样看待世界，以相似的方式感知世界，甚至将知识用于多种职责，例如图像和视频识别、图像检查和分类、媒体娱乐、推荐系统、自然语言处理等。

卷积神经网络设计：

• 卷积神经网络的构造是一个多层前馈神经网络，通过将许多看不见的层以特定顺序相互叠加而成。
• 正是序列设计允许 CNN 学习分层属性。
• 在 CNN 中，其中一些后跟分组层和隐藏层通常是卷积层后跟激活层。
• ConvNet 中所需的预处理类似于人脑中相关神经元模式的预处理，其动机是视觉皮层的组织。

CNN 治疗糖尿病视网膜病变的案例研究：

• 糖尿病视网膜病变又称糖尿病性眼病，是一种因糖尿病导致视网膜发生破坏的医学状态，是发达国家失明的主要原因。
• 糖尿病视网膜病变影响多达 80% 患有糖尿病 20 年或更长时间的人。
• 一个人患有糖尿病的时间越长，他或她患糖尿病性视网膜病变的机会就越大。
• 它也是 20-64 岁年龄段人群失明的主要原因。
• 糖尿病视网膜病变是视网膜小血管和神经元破坏的结果。