卷积神经网络

在机器学习中，卷积神经网络（简称：CNN）是一种前向传播类型的人工深度神经网络。该模型广泛用于图像和视频识别。

CNN 使用了多层感知器的一种变体，设计用于需要最少的数据预处理。CNN，基于（矩阵）的权重共享结构和翻译不变特征，平移不变（移位不变）或平移不变（空间不变）的人工神经网络（SIANN也称为） 。

卷积网络生物的方式处理概念，卷积网络中神经元之间的连接方式是受动物视觉皮层排列的启发。字段个体仅响应在一个有限的区域内刺激皮质神经元是感受野调用。不同神经元的感受野部分重叠以覆盖整个视野。

与其他图像分类算法相比，卷积神经网络使用相对较少的预处理。这意味着CNN可以学习使用传统算法手动设计的过滤器。CNN的主要优点是，在此功能设计中独立于先验知识和人工。

卷积神经网络应用于图像/视频识别，推荐系统和自然语言处理。