文 献 综 述 前言： 在这里我想对卷积神经网络（CNN）的原理进行相应的解释，以及对如何运用于交通标志识别进行简单介绍。

深度学习是什么呢？深度学习约等于寻找一个函数。

在语音识别中，f(”hello world的语音”)=”hello world”，在图像识别中，f(”猫的图片”) = ”猫”。

在对话系统中，f(”当人说hi时”) = ”机器能用hello进行回复”。

那什么是神经网络呢？下图是人的大脑(fujian 图一)[1]而人工神经网络也是由大量的神经元相互连接而成。

每个神经元接受线性组合的输入，最开始只是简单的线性加权，后来给每个神经元加上了非线性的激活函数，从而进行非线性的变化输出，每两个神经元之间的连接代表加权值，称之为权重（weight）。

不同的权重和激活函数，则会导致神经网络不同的输出。

神经网络每个神经元如下(附件图二)[2]基本wx b的形式，其中x1、x2表示输入向量w1、w2为权重，几个输入则意味着有几个权重，即每个输入都被赋予一个权重b为偏置bias g(z) 为激活函数。

常用的非线性激活函数有sigmoid、tanh、relu等等。

将下图这种单个神经元(附件图三) [2]连接在一起就组成了神经网络。