卷积神经网络的结构及公式

神经网络(neural networks)的基本组成包括输入层、隐藏层、
输出层。而卷积神经网络的特点在于隐藏层分为卷积层和池化层
(pooling layer，又叫下采样层)。
• **卷积层：**通过在原始图像上平移来提取特征，每一个特征
就是一个特征映射
• 池化层：通过特征后稀疏参数来减少学习的参数，降低
网络的复杂度，（最大池化和平均池化）

h1=99.5，取99。因为步长为2，零填充1。最后0.5代表1个步长即零填充。所有0.5可以不要、