深度卷积神经网络的输入可以是手工提取的特征吗

有可能的，看目的而定。一般的卷积神经网络多是用来做降维分类的用途，那种情形下的卷积核没理由要比输入大。 可是也有另一类的卷积神经网络是使用所谓的 fractionally strided convol...

这两个概念实际上是互相交叉的，例如，卷积神经网络（Convolutional neural networks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（Deep Belief...

是的，深度残差网络在传统的卷积神经网络上加入了残差模块， 再看看别人怎么说的。

深度网络是一个大类，传统意义上我们认为隐含层的层数多于3的神经网络都称为深度网络。研究比较火热的深度网络包括：多层感知机，卷积神经网络，深度置信网络，深度玻尔兹曼机等等。

假设原图为32*32的，卷积核尺寸为4，步长为2，则输出的图像应该是（32-4+2）/2=15，输出就应该是15*15的图像

这个太多了，卷积是一种结构，凡是包含这种结构的深度网络都是卷积神经网络。比较知名的有：VGG、GoogleNet、Resnet等

一般情况下，在低层大气中，气温是随高度的增加而降低的。但有时在某些层次可能出现相反的情况，气温随高度的增加而升高，这种现象称为逆温。出现逆温现象的大气层称为逆温层。

简单谈谈自己的理解吧。 池化:把很多数据用最大值或者平均值代替。目的是降低数据量。 卷积:把数据通过一个卷积核变化成特征，便于后面的分离。计算方式与信号系统中的相同。

卷积核个数filters 卷积核尺寸kernel_size 步长striders 填充方式padding 卷积核激活方式activation 卷积核权重参数初始分布 卷积核偏置参数初始分布 池化尺寸 ...

可以啊，但是没必要，卷积网本身就能够自动智能的提取特征，你只要设计好网络结构，每个卷积提取多少个特征就行了。