课程地址：https://www.coursera.org/learn/neural-networks

老师主页：http://www.cs.toronto.edu/~hinton

备注：笔记内容和图片均参考老师课件。

这一讲主要讲了图像识别以及卷积神经网络，感觉有点蜻蜓点水，这里主要回顾下重点。

卷积神经网络与池化

在图像识别时，由于一个物体可能会旋转，以及出现在不同的位置，所以用多种方式表示同一个像素，具体做法如下：

这里的意思是对同一张图像只提取一部分特征，但是可以重复提取多次，但是注意对应的权重是同一个，具体如下：

$h_1,h_2$对应的权重都是上图。这样做确实可以增加许多信息，但是特征有点重复，处理这个问题的办法是池化，做法是将输出值取平均，具体如下：

这样做的好处是可以处理更大的数据，坏处是无法确定特征的位置。