“他的网络结构包含 S 层和 C 层，S 层也就是简单细胞层用卷积操作提取局部的二维空间特征，C 层复杂细胞层则整合 S 层中一组简单细胞的输出，提取更高级的特征，这能在一定程度上减少网络里的参数。”

他赶紧去自己那一堆论文文件夹里面翻找了一番，然后拿出了一篇题为 ?Neocognitron? 的论文给秦奕看：“这篇名叫新认知机的论文里面就提出了局部感受野和层次化特征提取的思想。”

这章没有结束，请点击下一页继续阅读！

“他的网络结构包含 S 层和 C 层，其中 S 层也就是简单细胞层用卷积操作提取局部的二维空间特征，而 C 层的复杂细胞层，整合 S 层中一组简单细胞的输出，提取更高级的特征，这一定程度上能减少网络里面的参数。”

秦奕接过这篇远没有杨立昆 89 年发表的卷积神经网络出名的论文，快速略读了一遍。

读完后，他发现里面的网络结构设计确实是跟后来引入了卷积层和池化层的卷积神经网络基本一致，只是因为这篇论文用的是无监督学习所以难以处理复杂的分类任务。

无监督学习和有监督学习是机器学习的两种主要范式，有监督学习使用标注过的数据即输入数据和对应的输出标签来训练模型，模型的目标是学习输入与输出之间的映射关系，无监督学习使用未标注数据来训练模型，模型的目标是发现数据中的潜在结构或模式。

秦奕点了点头说道：“我觉得这确实是一个很好的网络结构设计思路，我们可以把有监督学习和他这个网络结合起来，说不定就能在手写数字识别任务上取得突破。”

“另外，神经网络虽说是借鉴生物结构，但网络层命名也没必要弄得这么像生物术语，简单细胞和复杂细胞听起来都不知道是做什么的，我建议直接用操作命名就行，做卷积操作的叫卷积层，做池化操作的叫池化层，这样交流起来方便。”

“可以。”历景铄应道，“另外优化算法方面我们这边也遇到了一些问题。”