高阶特征类似于这样，这也符合人类看物体的习惯，因为在人的视网膜里物体无非都是边边线线的组合，这些高阶特征经过组合就编程了物体的大致形状。完全不合小样本的概念：比如一个鼠标你只要看过这样的：
那么下次你在见过这样的，你一定知道他是鼠标，无论他多么绚丽，因为在你的脑海里，已经有诸多的高阶特征构成了鼠标，所以分类效果当然very good。
我可没有打广告哦....
4 光说不练假把式，光练不说傻把式。我们现在来看一下具体的实验效果吧。
以上是测试MNIST手写体的实验，直接输入图片，识别率是88.7%，当然不太高，这是参数没有调好的缘故。
我的卷积神经网络matlab实现代码主要来自：https://github.com/rasmusbergpalm/DeepLearnToolbox
5 总结
今天只是简单介绍了一下卷积神经网络的知识点，等下一章节，我们在介绍目前为止世界上最先进的卷积神经网络改进，大家不见不散哦。