【 在 johnfader 的大作中提到: 】
: 人脸识别的瞳距不同，可能不属于卷积的范畴，而是pooling？
: 我说的问题是，卷积这一操作，其实就已经契合了对象的特征。图像中由很多点，线，面组成。正好可以用卷积识别出来。语音识别，由不同频率的音频组成，正好用卷积识别。
: 如果按西瓜书里面的例子： 西瓜的瓜皮颜色，瓜蒂的卷曲，这些特征是不能用卷积识别吧。
: ...................

其实， 什么是特征， 并不是太好界定的， 尤其深度神经网络，
目前， 对于网络学习到的特征， 可解释性还十分有限， 从概率或者能力角度说，
学习过程就是拟合显示概率分布的过程，原始的概率分布就蕴含着原始的特征， 如果，
能更好的拟合了这个概率分布， 就说明，学习到了这个特征， 但这个特征是数学的，可数字不可言表。
从能量的角度，也是类似， 从原始结构中提取出能量和能级分布特征， 尤其是优化出能级稳定态，
说明学习到了特征， 它也是把它整体作为一个系统来描述，特征是蕴含其中， 可数字化， 却也只是
复杂到没法数学方程解析分析的原始问题的拟合。
--
FROM 124.126.1.*