卷積神經網路和深度神經網路的區別是什麼？

---

「卷積」和「深度」是神經網路互相獨立的兩個性質。「卷積」指的是前端有卷積層；「深度」指的是網路有很多層（理論上講，有兩個隱藏層就可以叫「深度」了）。

---

卷積的也可以很深。其實卷積的作用你看成好比特徵提取，類比autoencoder

---

圖像是5維信息，BGR+XY

單純的神經網路（把圖像拉平）就丟棄了空間信息即XY

而卷積神經網路通過小的卷積核（把核拉平）則可以保留空間信息，同時也不對空間信息建模，從而做到平移魯棒

---

卷積神經網路是深度神經網路中的一種，深度神經網路還有DBN,RBN,AD等，deeplearning tutorial 是個很不錯的東西，還有百度余凱教授的一些論文，csdn的一些博客還不錯。還有一些框架theano,caffe等都是挺有用的，目前只看了theano，但聽說企業都是用caffe，扯遠了

---

對 卷積神經網路也可以很深，詳見Yann LeCun大神的主頁。他用七層的卷積神經網路識別手寫體數字，效果奇好。文章發表於1998年

---

要想了解卷積神經網路和深度神經網路的區別，首先，要明白神經網路是什麼，深度神經網路分為卷積神經和遞歸神經。

顧名思義，神經網路類似人類大腦，由一個個神經元組成，每個神經元和多個其他神元連接，形成網狀。單個神經元只會解決最簡單的問題，但是組合成一個分層的整體，就可以解決複雜問題。

當下流行的深度神經網路分為應對具空間性分布數據的CNN（卷積神經網路）和應對具有時間性分布數據的RNN（遞歸神經網路，又稱循環神經網路）。

CNN主要用於圖像識別，深度神經包括CNN和RNN，RNN往往用於語音識別和自然語處理，深度神經網路大大優化了機器學習的速度，使人工智慧技術獲得了突破性進展，人工智慧發展前景，人工智慧落地需要多久！ - 人工智慧 多智時代

---

卷積神經網路，不就是深度學習的一種模型，怎麼還有深度網路？

---

新手，學習了

---

推薦閱讀：