反饋神經網絡算法

典型的卷積神經網絡，開始階段都是卷積層以及池化層的相互交替使用，之後採用全連接層將卷積和池化後的結果特徵全部提取進行概率計算處理。 在具體的誤差反饋和權重更新的處理上，不論是全連接層的更新還是卷積層的更新，使用的都是經典的反饋神經網絡算法，這種方法較原本較爲複雜的、要考慮長期的鏈式法則轉化爲只需要考慮前後節點輸入和輸出誤差對權重的影響，使得當神經網絡深度加大時能夠利用計算機計算，以及卷積核在計算過

>>阅读原文<<