From d75a857d260f9c81fc2330059faf3482f818841c Mon Sep 17 00:00:00 2001 From: weafung Date: Tue, 2 Apr 2019 11:21:58 +0800 Subject: [PATCH] =?UTF-8?q?Update=20=E7=AC=AC=E5=9B=9B=E7=AB=A0=20?= =?UTF-8?q?=E5=86=85=E5=AE=B9=E4=BF=AE=E8=AE=A2?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- ch04_经典网络/第四章_经典网络.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/ch04_经典网络/第四章_经典网络.md b/ch04_经典网络/第四章_经典网络.md index efb0293..bf48092 100644 --- a/ch04_经典网络/第四章_经典网络.md +++ b/ch04_经典网络/第四章_经典网络.md @@ -5,7 +5,7 @@ ### 4.1.1 模型介绍 -LeNet-5是由$LeCun$ 提出的一种用于识别手写数字和机器印刷字符的卷积神经网络（Convolution Neural Network，CNN）$^{[1]}$，其命名来源于作者$LeCun$的名字，5则是其研究成果的代号，在LeNet-5之前还有LeNet-4和LeNet-1鲜为人知。LeNet-5阐述了图像中像素特征之间的相关性能够由参数共享的卷积操作所提取，同时使用卷积、下采样（池化）和非线性映射这样的组合结构，是当前流行的大多数深度图像识别网络的基础。 +LeNet-5是由$LeCun$ 提出的一种用于识别手写数字和机器印刷字符的卷积神经网络（Convolutional Neural Network，CNN）$^{[1]}$，其命名来源于作者$LeCun$的名字，5则是其研究成果的代号，在LeNet-5之前还有LeNet-4和LeNet-1鲜为人知。LeNet-5阐述了图像中像素特征之间的相关性能够由参数共享的卷积操作所提取，同时使用卷积、下采样（池化）和非线性映射这样的组合结构，是当前流行的大多数深度图像识别网络的基础。 ### 4.1.2 模型结构