反向傳播如何在卷積神經網絡（CNN）中起作用？

Question

我對CNN有幾點疑問。在S2和C3層之間的圖中，使用了5 * 5大小的內核。

Q1。那裏有多少內核？是否每個內核都與Layer S2中的每個特徵映射關聯？第二季度，第二季度，第二季度，第二季度，第二季度，第三季度，第三季度，第三季度，第三季度。當使用最大池時，雖然反向計算錯誤最大池特徵/神經元如何知道/確定其先前即時層中的哪個（特徵映射/神經元），它是否具有最大值？

Q3。如果我們想訓練內核，然後我們用隨機值進行初始化，是否有任何方程用反向傳播的錯誤值更新這些內核值？

Q4。在上圖中，從F6層得到錯誤後，「輸入」和「C5」層之間的反向傳播如何工作？

Answer 1

Q1： C1 - > 6內核 C3 - > 16個果仁

S2和S4只是子採樣，這意味着2 * 2像素將被減少到1個像素 最populare池機制是在MAX池：

( 5 10) --> 
(  ) --> (10) 
( 7 8) --> 

Q2： 可以保存信息，或者如果你有足夠的時間重新運行max_pooling和檢查，其中最大的是然後把錯誤放在這個位置。此2 * 2區塊中的其他值爲零