- Qu'est-ce que le fonctionnement de la convolution dans CNN?
- Qu'est-ce qu'un neurone dans un réseau neuronal convolutionnel?
- Comment fonctionne une couche convolutionnelle?
- Qu'est-ce qu'une couche entièrement connectée?
Qu'est-ce que le fonctionnement de la convolution dans CNN?
La convolution est une opération mathématique qui permet la fusion de deux ensembles d'informations. Dans le cas de CNN, une convolution est appliquée aux données d'entrée pour filtrer les informations et produire une carte des fonctionnalités. Ce filtre est également appelé noyau ou détecteur de fonctionnalités, et ses dimensions peuvent être, par exemple, 3x3.
Qu'est-ce qu'un neurone dans un réseau neuronal convolutionnel?
Chaque neurone d'un réseau neuronal calcule une valeur de sortie en appliquant une fonction spécifique aux valeurs d'entrée reçues du champ réceptif dans la couche précédente. La fonction appliquée aux valeurs d'entrée est déterminée par un vecteur de poids et un biais (généralement des nombres réels).
Comment fonctionne une couche convolutionnelle?
La première couche d'un réseau neuronal convolutionnel est toujours une couche convolutionnelle. Les couches convolutionnelles appliquent une opération de convolution à l'entrée, passant le résultat à la couche suivante. Une convolution convertit tous les pixels de son champ réceptif en une seule valeur.
Qu'est-ce qu'une couche entièrement connectée?
Les couches entièrement connectées, également appelées couches linéaires, connectent chaque neurone d'entrée à chaque neurone de sortie et sont couramment utilisés dans les réseaux de neurones. Figure 1. Exemple d'une petite couche entièrement connectée avec quatre neurones d'entrée et huit neurons de sortie.