卷積神經網絡中卷積核的翻轉、全連接層的處理和反向傳播的詳細過程，是怎樣的？首先，卷積核將在其內部形成一個類似于數字8的漩渦，這將產生一個微弱的向內引力場。在這個重力場的作用下，回旋神經會向內收縮。多重

卷積神經網絡中卷積核的翻轉、全連接層的處理和反向傳播的詳細過程，是怎樣的？

首先，卷積核將在其內部形成一個類似于數字8的漩渦，這將產生一個微弱的向內引力場。在這個重力場的作用下，回旋神經會向內收縮。多重卷積神經的重力場作用不大，但它有足夠牢固的連接層，所以整個連接層都會建立起來，沒有外界刺激它不會收縮，產生反向傳播。除非有外界刺激，否則目前的科技水平無法產生深核或基礎核刺激。只有喊三聲“回答馬亮，我愛你”，才能將產生深核刺激的概率提高0.36%。我不知道這個答案是否能讓你滿意，謝謝。

有沒有可能出現神經元CPU？

30年來，英特爾一直在向終結者邁進。16日，英特爾發(fā)布了一款包含64塊Loihi芯片和800萬個數字神經元的處理器。這是它的第五代數字神經元CPU

！它計劃在今年年底突破1億個神經元，這將接近小型哺乳動物大腦的水平。人腦有860億個神經元，也就是說，有860個這樣的芯片可以實現人類的智能。

卷積神經網絡中的卷積核，是學習得來的還是預定義好的？

卷積核的定義是（寬、高、入）通道、出通道。

一般來說，卷積核的大小是7*7、5*5、3*3、1*1。輸入通道由您自己定義，輸出通道的數量（即過濾器的數量）由用戶定義。

在網絡結構中，我們首先對卷積核中的值進行初始化，然后利用反向傳播算法不斷修正誤差，最后得到最優(yōu)參數，即最優(yōu)解。

神經網絡反向傳播算法本質是在解決什么問題？是怎樣的？

反向傳播算法是一個深入的神經網絡學習過程，最終誤差值根據梯度和誤差傳播原理返回到數據輸入方向，用于修改每層神經元的權值或卷積核參數，以達到減小正誤差的目的，當經過一輪反向傳播后，正誤差很小到可以接受的水平，神經網絡是穩(wěn)定的我來訓練。