Update 深度学习面试题.md

深度学习面试题.md

@@ -1,4 +1,8 @@
 # 深度学习
+
+## 卷积操作作用
++ 卷积网络中的卷积核参数是通过网络训练出来的
++ 通过卷积核的组合以及随着网络后续操作的进行，基本而一般的模式会逐渐被抽象为具有高层语义的“概念”表示，也就是自动学习到图像的高层特征
 ## CNN权值共享问题
 首先**权值共享就是滤波器共享**，滤波器的参数是固定的，即是用相同的滤波器去扫一遍图像，提取一次特征特征，得到feature map。在卷积网络中，学好了一个滤波器，就相当于掌握了一种特征，这个滤波器在图像中滑动，进行特征提取，然后所有进行这样操作的区域都会被采集到这种特征，就好比上面的水平线。
 
@@ -109,6 +113,9 @@ RNN的输入有两个部分，一部分为上一时刻的状态，另一部分
 此回答可以参考TensorFlow实战p110，网上很多回答都说的不全。
 
 ## Relu比Sigmoid效果好在哪里？
+Sigmoid函数公式如下：
+$\sigma (x)=\frac{1}{1+exp(-x)}$
+
 ReLU激活函数公式如下：
 
 ![relu激活函数](http://latex.codecogs.com/gif.latex?%24%24ReLu%28x%29%3D%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%20x%20%26%20x%3E0%5C%5C%200%20%26%20x%3C%3D0%20%5Cend%7Bmatrix%7D%5Cright.%24%24)