CNN是哪篇论文提出的？

1 年前 32 浏览次数

卷积神经网络（CNN）并非单一论文提出。其发展历程并非线性，而是多位学者共同贡献的结果。 Fukushima Kunihiko (1980): 其Neocognitron模型是CNN的早期重要雏形，为后续研究奠定了基础。 LeCun 等 (1989): 《反向传播在手写邮政编码识别中的应用》这篇论文，将反向传播算法应用于CNN，使其在实际应用中取得突破性进展，这被认为是CNN研究发展的一个关键里程碑。因此，将CNN的提出归功于单篇论文并不准确。 Fukushima和LeCun的工作对CNN的形成和发展至关重要。

意见反馈 0 喜欢次数

您可能想问？更多

问题？

哎哟喂，说起 CNN，我脑子里第一个蹦出来的不是啥论文，是小时候看的变形金刚！有没有搞错，这跟 CNN 八竿子打不着啊，哈哈。不过话说回来，Kunihiko Fukushima 和 Yann LeCun，这俩大佬确实功不可没。

1980 年，Fukushima 老先生的论文，那时候我估计还在玩泥巴呢。然后 1989 年，LeCun 大佬的《反向传播在手写邮政编码识别中的应用》，这个论文简直是奠基石级别的。我虽然没细读，但听说后来很多图像识别的技术，都得感谢这篇论文。

想想看，现在随便一个手机都能刷脸解锁，识别各种花花草草，这背后都离不开 CNN 这样的技术。真是厉害了我的哥！

AlexNet是哪篇论文？

啊，AlexNet... 说起它，就想到2013年的那个夏天，我在清华旁边的五道口，那时候刚开始接触深度学习，啃论文啃得头都大了。

AlexNet的论文，全名是"ImageNet Classification with Deep Convolutional Neural Networks"，别名就是这名字太长了！
第一次看这篇论文的时候，真的觉得太厉害了！感觉一下子打开了新世界的大门。

还记得当年ImageNet比赛，AlexNet一出来，直接把其他算法甩了几条街，错误率低到不可思议。这绝对是深度学习的里程碑事件。

它的亮点可多了，列几个我印象最深的：

ReLU激活函数： 以前用sigmoid，梯度消失很严重，ReLU简单粗暴，效果拔群。
GPU加速： 当时GPU还不是很普及，AlexNet就用上了，训练速度大大提升。
局部响应归一化 (LRN)： 这个现在可能用的少了，但当时确实有用，能提高模型的泛化能力。
重叠池化： 避免过拟合，效果还行。

反正总而言之，AlexNet就是深度学习在计算机视觉领域崛起的号角，没有它，可能后面的发展就不会这么快。

请问CNN是什么意思？