До сих пор я тебе рассказывал про нейронные сети прямого распространения (feed forward neural network), которые не предусматривают обратной связи от нейронов, а сигнал идет от входа к выходу проходя функции активации слой за слоем.
Сверточные сети используются в основном для анализа изображений: в самом простом понимании - это пресловутые автомобильные номера, которые могут быть сфотографированы под любым углом с любым количеством света и до человеческих лиц: их принадлежности к той или иной расе, цвет глаз, стрижка и даже человеческие эмоции. Все это умеют делать сверточные нейросети.
Построены они по примеру наших глаз, только рецепторы здесь - электронные математические функции, и включают они в себя следующие слои нейронов:
Входной слой, данные которые надо проанализировать, например, рукописное число от 0 до 9, на картинке 10x10 пикселей
Сверточный слой содержит какие-то характеристики, которые должна содержать та или иная цифра: прямые линии, круги и так далее
Подвыборный слой содержит все те же характеристики, но в меньшем количестве, так как грубый отбор мы провели на предыдущем слое, а здесь нам нужно только уточнить, какая из оставшихся цифр нам подходит больше: 8 или 3, к примеру, так как 1, 4 и 7 мы уже отмели
Полносвязный слой, на нем каждый нейрон связан с каждым на предыдущем слое и у каждой связи есть весовой коэффициент, за счет которого и проверяется правильность распознавания на предыдущем слое.
Выходной слой связан с каждым нейроном в полносвязном слое, а количество нейронов здесь равно количеству распознаваемых классов, то есть есть мы распознаем цифры от 0 и до 9, то число нейронов на выходном слое - 10
Я намеренно останавливаю себя от того чтобы углубиться в математические модели и детальные объяснения, чтобы еще тебя не запутать. У меня самого голова пухла, когда я эту тему изучал, тебе я этого не желаю, а захочешь - нужную информацию найдешь самостоятельно, благо ее в интернете можно лопатами грести.
Так что подписывайся, зови друзей и жди новых статей завтра!