2019年5月30日，课题组成员在学院436会议室开展了小组联盟分享会，由张越同学汇报Python机器学习之CNN算法。

       首先，张越同学对KNN算法进行了简介：相比于传统的神经网络，CNN有三大特点，即①局部感知：卷积核所覆盖的是局部特征，CNN是一个从局部到整体的过程（实现在全连通层），传统神经网络是整体的过程；②权重共享：整个图片共享一组滤波器的参数；③多卷积核：一种卷积核代表的是一种特征，为获得更多不同的特征集合，卷积层会有多个卷积核，生成不同的特征。

       然后介绍了CNN算法的输入层、卷积层、池化层、全连接层，并举例说明了1D CNN和2D CNN的区别，阐明了算法步骤，通过Python代码进行了实现。

       最后张越同学介绍了CNN算法在交通领域中的应用，包括交通标志识别、交通状态预测等。通过本次讨论，同学们对CNN算法有了更深的理解，同时也对Python的操作进行了进一步练习。