AI：IPPR的數學表示-CNN基本結構分析（ Conv層、Pooling層、FCN層/softmax層）

        相似於SVM，CNN爲表明的DNN方法的邊緣參數隨着多類和高精度的要求必然增加。好比向量機方法，使用能夠映射到無窮維的高斯核，即便進行兩類分類，在大數據集上獲得高精度，即保持準確率和高精度的雙指標，支持向量的個數會隨着數據集增加，SVM三層網會變得很是寬。CNN方法的多層結構，在保留邊緣映射的數目的同時能夠有效地下降「支持向量」的個數，是經過函數複合—因式分解獲得的，至於要使用多少

>>阅读原文<<