DNN是Dotnetnuke应用框架的简称。
Dotnetnuke是一个免费、开源、可扩展的内容管理系统。可广泛应用于商务网站、企业内网(Intranet)和外网网站、在线内容发布网站。Dotnetnuke是建立在微软ASP.NET平台之上的一套Web应用框架。Dotnetnuke是微软第一次向开源说”Yes”的里程碑。
详尽释义
深度神经网络
深度神经网络技术
二硝基萘
个把深度神经网络技术
有线电视机新闻网
DNN(深度神经网络)
神经网络。多层神经网络和深度神经网络DNN其实也是指的一个东神经网络是基于感知机的扩展，而DNN可以理解为有很多隐藏层的西，DNN有时也叫做多层感知机(Multi-Layer perceptron,MLP)
DNN存在的局限:
参数数量膨胀。由于DNN采用的是全连接的形式，结构中的连接带来了数量级的权值参数，这不仅容易导致过拟合，也容易造成陷入局部最优。
局部最优。随着神经网络的加深，优化函数更容易陷入局部最优偏离真正的全局最优，对于有限的训练数据，性能甚至不如浅层网络时，梯度会衰减，随着神经网络层数的增加，梯度消失。
使用sigmoid激活函数(传递函数)，在BP反向传播梯衰减累积下，到底层时梯度基本为0。无法对时间序列上的变化进行建模。对于样本的时间顺序对于自然吾言处理、语音识别、手写体识别等应用非常重要。
CNN(卷积神经网络)
主要针对DNN存在的参教数量膨胀问题，对千CNN，并不是所有的上下层神经元都能直接相连，而是通过“卷积核”作为中介(部分连接)。同一个卷积核在多有图像内是共享的，图像通过卷积操作仍能保留原先的位置关系。
CNN之所以适合图像识别，正式因为CNN模型限制参数个数并挖掘局部结构的这个特点。
