正则化通俗讲解,何为正则化?其功能是什么?

cnn卷积神经网络通俗理解

卷积神经网络（CNN）-输入层 ①CNN的输入层的输入格式保留了图片本身的结构。②对于黑白的28×28的图片，CNN的输入是一个28×28的二维神经元。

卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络。

卷积神经网络（Convolutional Neural Network，CNN）是一种专门用于处理具有类似网格结构数据的深度学习模型，例如图像、语音信号等。

典型的 CNN 由3个部分构成： 卷积层 池化层 全连接层 如果简单来描述的话： 卷积层负责提取图像中的局部特征；池化层用来大幅降低参数量级（降维）；全连接层类似传统神经网络的部分，用来输出想要的结果。

卷积神经网络：是一类包含卷积计算且具有深度结构的前馈神经网络 卷积核：就是图像处理时，给定输入图像，输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数称为卷积核。

卷积神经网络（Convolutional Neural Networks， CNN）——更有效率地提取特征 图像识别问题本质上就是分类问题，比如我们要区分猫和狗，那么我们就需要构建一个模型，将照片丢进去后，模型能输出猫或者狗的概率有多大。

正则化的通俗解释

1、正则化的通俗解释就是给平面不可约代数曲线以某种形式的全纯参数表示。正则化（regularization），是指在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。

2、正则化： 正则化的目的：防止过拟合！ 正则化的本质：约束（限制）要优化的参数。

3、正则化（regularization），是指在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。大条件数意味着舍入误差或其它误差会严重地影响问题的结果。

什么是十一维空间?

1、维空间是指根据90年代提出的M理论（多种超弦理论的综合）。宇宙是11维的，由震动的平面构成。

2、根据90年代提出的M理论（超弦理论的一种），宇宙是11维的，由震动的平面构成的。在爱因斯坦那里，宇宙只是4维的（3维空间和1维时间），现代物理学则认为还有7维空间我们看不见。

3、有了十一维空间的理论，那么诸如黑洞、超自然力、意志力、时空隧道以及更多的空间的理论就有了存在和解释的可能。

4、十一维空间是根据90年代提出的M理论（多种超弦理论的综合），宇宙是11维的，由震动的平面构成的。现代物理学则认为还有7维空间是我们感受不到但确实存在着的。

标签：正则何为通俗讲解功能