深度学习～卷积神经网络(CNN)

卷积神经网络（Convolutional Neural Network，简化为ConvNet或CNN）是一种前馈神经网络，其中信息从输入到卷积运算符单向流动到输出[93]。

reference:

1. H. Cecotti and A. Graser, “Convolutional neural networks for p300 detection with application to brain-computer interfaces,”IEEE transactions on pattern analysis and machine intelligence, vol. 33, no. 3, pp. 433–445, 2010.

如图7所示，

这种卷积算子在CNN中至少包括三个堆叠层，包括卷积层convolutional layer，池化层pooling layer和完全连接层fully connected layer。卷积层对张量进行卷积，池化层简化了基础计算以减少数据量。完全连接的层将上一层中的每个神经元连接到一个新层，类似于传统的多层感知器神经网络。
具有堆叠层的CNN的本质是将输入数据减少到易于识别的地层，且损失最小，并且可以通过应用CNN捕获EEG模式的独特空间依赖性。例如，CNN已被用于从癫痫皮层内数据中自动提取信号特征[22]，并执行自动诊断以取代由专家进行的耗时的视力检查程序[23]。