卷积神经网络背后的数学原理

本文来自 概率空间 微信公众号，作者卫然。

原文链接：

卷积神经网络背后的数学原理

从初识机器学习至今，接触卷积神经网络（CNN）也有较长一段时间了。无数次通过梯度下降法对CNN中的参数进行优化，其间的求导运算都由Tensorflow一手包办。相比于一般的神经网络，CNN的梯度计算更为复杂，也很不直观。笔者作为一个数学专业出身的人，一直对CNN的 Back-propagation 过程怀揣着强烈的好奇心。

因此，本文将基于Jianxin Wu（主页：https://cs.nju.edu.cn/wujx/）的讲义Introduction to Convolutional Neural Networks （原文链接：https://cs.nju.edu.cn/wujx/paper/CNN.pdf），总结CNN背后的数学原理并简要介绍各Layer的作用。

本文最初发表于个人博客：https://randomweiblog.wordpress.com/