0
卷積神經網絡（Convolutional Neural Networks）是人工神經網絡的重要分支，目前已經成為語音和圖像識別領域的一大研究熱點。特別是在圖像識別領域，由于其特有的權值共享網絡結構，大大降低了模型復雜度，減少了權值數量，因此可以直接將多維圖像作為輸入數據展開訓練，有效避免了傳統識別算法中復雜的特征提取和數據重建過程。
逐本溯源，卷積結構最早出現于 1984 年的神經認知機（NeoCognitron）。發展到 1998 年，誕生了第一代經典卷積神經網絡 LeNet，但隨著支持向量機 SVM（Support Vector Machine）的出現，卷積神經網絡一度歸于沉寂。后來，隨著 ReLu（Rectified Linear Units）和 Dropout 等激活函數的提出，以及 GPU 和大數據帶來的歷史機遇，卷積神經網絡在 2012 年迎來了一個歷史性的突破 —— AlexNet 網絡。AlexNet 在當年的 ImageNet 圖像分類競賽中，Top-5 錯誤率比上年冠軍下降了十個百分點，而且遠遠超過當年的第二名，震驚了整個行業。隨后，以 AlexNet 為基礎，又出現了 VGG（Visual Geometry Group）、Inception 和 ResNet 等多種不同的子類。
那么問題來了，這些各不相同的卷積神經網絡究竟有哪些不同，它們各自的技術特點是什么，又都應用于哪些領域？面對所有這些疑問，雷鋒網有幸請到了PPmoney 大數據算法總監黃文堅來做一個徹底的解答。
黃文堅，PPmoney 大數據算法總監，谷歌 TensorFlow 貢獻者，暢銷書《 TensorFlow 實戰》作者（該書獲得到了谷歌 TensorFlow 團隊的官方推薦）。前明略數據技術合伙人，領導了對諸多大型銀行、保險公司、基金的數據挖掘項目，包括建立金融風控模型、新聞輿情分析、保險復購預測等。曾就職于阿里巴巴搜索引擎算法團隊，負責天貓個性化搜索系統。曾參加阿里巴巴大數據推薦算法大賽，于 7000 多支隊伍中獲得前 10 名。本科、研究生就讀于香港科技大學，曾在頂級會議和期刊 SIGMOBILE MobiCom、IEEE Transactions on Image Processing 發表論文，研究成果獲美國計算機協會移動計算大會（MobiCom）最佳移動應用技術冠軍，并獲得兩項美國專利和一項中國專利。
本期公開課內容包括但不限于：
1. 卷積神經網絡概述以及經典網絡介紹
2. AlexNet 網絡的技術特點介紹
3. VGG 網絡的技術特點介紹
4. Inception 網絡的技術特點介紹
5. ResNet 網絡的技術特點介紹
2月28日 下午3點 微信直播群準時開課
掃描下方海報上的二維碼，關注“AI科技評論”，在菜單里點擊“公開課”添加管理員，管理員拉你進群交流。轉發海報到朋友圈，還有機會贏取《Tensorflow 實戰》書籍。
本次課程優先學術、技術開發人士進群，敬請知悉。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
