CNN是有监督学习网络，简单说就是图像作为数据，经过卷积-池化-再卷积-再池化，然后二维的feature maps拼接为一维的节点神经元，作为BP神经网络的输入，BP的最后一层放一个softmax之类的分类器，然后实际输出和目标输出进行比较，误差反向传播：卷积和池化都是卷积操作；误差从后一层到前一层传播是卷积操作；权值更新（即卷积模板更新）也是卷积操作，一共有三种卷积操作。
不多说了，国人自己写的CNN的推导过程，小白不妨看看：http://pan.baidu.com/s/1c0JswaW
CNN是有监督学习网络，简单说就是图像作为数据，经过卷积-池化-再卷积-再池化，然后二维的feature maps拼接为一维的节点神经元，作为BP神经网络的输入，BP的最后一层放一个softmax之类的分类器，然后实际输出和目标输出进行比较，误差反向传播：卷积和池化都是卷积操作；误差从后一层到前一层传播是卷积操作；权值更新（即卷积模板更新）也是卷积操作，一共有三种卷积操作。
不多说了，国人自己写的CNN的推导过程，小白不妨看看：http://pan.baidu.com/s/1c0JswaW