卷积神经网络入门教程：什么是机器学习

本教程将带您深入了解卷积神经网络（CNN），从基本概念到内部机制，一步步解开这一强大人工智能工具的神秘面纱。我们会用通俗的语言、清晰的示例和实用的提示，帮助您轻松理解 CNN 的工作原理及其在模式识别中的关键作用。

什么是卷积神经网络？

神经网络是一种由大量人工神经元组成的系统，它能让 AI 更好地理解数据并解决复杂问题。虽然神经网络有很多种类型，但本系列文章聚焦于 卷积神经网络（CNN），它擅长从输入数据中识别模式和分类对象。CNN 属于深度学习中的人工神经网络，主要由 输入层、若干 卷积层 和 输出层 组成。其中卷积层是最核心的部分，它使用一组独特的权重和滤波器，从数据中提取有意义的特征。这些数据可以是图像、音频或文本等多种形式。通过提取特征，CNN 能够识别数据中的模式，帮助工程师创建更高效的应用。

小提示： 卷积层就像“特征探测器”，每个卷积核专门负责寻找一种特定的模式（例如边缘、纹理或颜色块）。

经典控制技术中的线性规划

在理解 CNN 之前，我们先回顾一下经典的控制技术。传统控制系统的任务是通过传感器读取数据，按预设规则做出响应，然后输出结果。例如：温度调节器每秒测量一次温度，微控制器单元（MCU）读取温度传感器数值，将其与设定值比较，然后决定是否开启或关闭加热。这种基于固定规则的线性规划方法，能给出明确的结论。而 AI 系统则不同，它通常依据概率论来做出判断。

常见问题：

• 问：经典控制和 AI 控制的最大区别是什么？
  答：经典控制使用明确的预编程规则，输出是确定性的（例如“温度低于设定值，就开启加热”）。AI 控制则通过学习数据中的模式，输出一个概率（例如“有 97% 的可能是猫”），开发人员需要设定决策阈值来最终判断。

复杂模式和信号处理

许多应用都需要先对输入数据进行模式识别。模式识别可以处理不同结构的数据，本文主要讨论 一维 和 二维 数据，例如音频信号、心电图（ECG）、光电容积脉搏波（PPG）、一维振动数据或波形、热图像以及二维瀑布图数据。

如果用传统的代码来实现这些模式识别会非常困难。举个例子：识别图像中是否有猫。传统方法需要制定详细的规则，比如“猫必须有尖耳朵、三角形鼻子和胡须”等。但这样的规则体系存在很多漏洞：如果猫背对镜头怎么办？如果猫没有胡须或失去一条腿呢？为了覆盖所有异常情况，代码会变得极其复杂且难以维护。

机器学习如何取代经典规则

AI 的核心思想是模仿人类的学习方式，而不是依赖繁多的 if-then 规则。它通过建立一个通用的模式识别模型来实现。关键区别在于：AI 不会给出绝对的判断，而是输出概率。例如，它可能说：“图像中有猫的概率是 97.5%，也可能是豹子（2.1%）或老虎（0.4%）。” 然后开发人员需要根据业务场景设定一个 决策阈值（比如概率超过 90% 就认为有猫）。

另一个重要区别是 AI 需要训练。训练过程会向神经网络展示大量猫的图像，让它自己学习特征。训练完成后，网络就能独立识别新图像中是否有猫，而不局限于训练过的那些图片。最后，这个训练好的神经网络会被映射到 MCU 等硬件上运行。

常见问题：

• 问：为什么 AI 不直接说“是”或“否”？
  答：因为现实世界充满不确定性。例如，一张模糊的猫照片可能既像猫又像豹。概率输出能提供更丰富的信息，让开发人员根据风险容忍度做出决策。

AI 模式识别的内部原理

AI 的神经网络模拟了人脑的生物神经元网络。一个神经元有多个输入，但只有一个输出。其工作过程是：将输入乘以权重（w），加上偏置（b），然后通过一个激活函数（非线性函数）得到输出。激活函数是网络中唯一的非线性部分，用来限制神经元输出的范围。神经元的数学描述如下：

其中，f 为激活函数，w 为权重，x 为输入数据，b 为偏置。数据可以是标量、向量或矩阵。图 1 展示了一个具有三个输入和一个输出的神经元，其激活函数为 ReLU（修正线性单元）。

图1. 拥有三个输入和一个输出的神经元

网络中的神经元通常分层排列。CNN 分为输入层、若干隐藏层和输出层。图 2 是一个小型示例：输入层有 3 个输入，隐藏层有 5 个神经元，输出层有 4 个输出。每个神经元的输出都连接到下一层的所有输入（全连接）。即使这样的小网络，也需要 32 个偏置和 32 个权重。

小提示： 激活函数就像“阀门”，决定神经元是否被激活。ReLU 是最常用的一种，它将所有负值设为 0，保留正值不变，能有效解决梯度消失问题。

CNN 的卷积和池化

以经典的 CIFAR 网络为例，它由两种主要层组成：卷积层 和 池化层。卷积层使用一种叫做“卷积”的数学运算，在像素值数组中寻找模式。卷积会在隐藏层中重复多次，直到达到所需的精度。当输入图像与滤波器（也称卷积核）相似时，卷积运算的输出值会很高。随后，结果传递给池化层，提取重要特征并生成特征图。池化层使用另一个滤波器（池化滤波器）来降低数据维度。

图3. 用CIFAR-10数据集训练的CIFAR网络模型

CIFAR-10 是一个常用的数据集，包含 60000 张 32×32 彩色图像，分为 10 个类别（如猫、狗、汽车等）。每个类别 6000 张图像，并平均分配到训练集、测试集和验证集中。

卷积神经网络与其他网络的主要区别在于它通过滤波器依次检查输入数据的属性。卷积层数量越多，能识别的细节就越精细。例如：第一次卷积可以识别边缘或点；第二次卷积能识别角、圆、矩形等结构；第三次卷积后，特征就能表示更复杂、更独特的模式（比如猫的胡须或耳朵）。特征图的可视化（如图 4）可以帮助理解卷积过程，尽管对应用来说并非必需。

图4. CNN的特征图

即使是像 CIFAR 这样的小网络，每层也有数百个神经元，参数总数高达 20 万。池化层可以进一步减少需要训练的参数数量，同时保留重要信息。常见的池化方式有最大值池化和均值池化。例如，最大值池化会选取窗口内的最大数值，丢弃其他值，从而减小数据尺寸。

常见问题：

• 问：池化层有什么作用？
  答：主要作用是减少数据维度（降低计算量），并防止过拟合。它通过保留最显著的特征，使得模型对微小的位置变化更鲁棒。

从特征到分类

卷积和池化结束后，得到的是大量二维矩阵。为了进行最终的分类，需要将这些二维数据转换成一维向量。这个操作在 压平层 中完成，随后连接一个或两个全连接层。全连接层的结构与图 2 类似。最后一层的神经元数量应与需要区分的类别数一致。例如，CIFAR-10 的最后一层有 10 个神经元。同时，最后输出的数据会被归一化，生成一个概率分布：比如猫 97.5%、豹 2.1%、虎 0.4%。

这就是 CNN 建模的完整流程。然而，卷积核与滤波器的权重和偏置仍然是未知的，必须通过训练来确定。这些内容将在后续文章《训练卷积神经网络：什么是机器学习？——第二部分》中详细讲解。第三部分则会介绍如何在硬件上实现这些神经网络，例如使用 ADI 公司开发的带硬件 CNN 翻跟斗的 MAX78000 人工智能微控制器。

小提示： 训练过程就是“学习”的过程：通过大量数据调整每个神经元的权重和偏置，使得最终的输出概率接近真实标签。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：卷积神经网络入门教程：什么是机器学习要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题