技术定义
利用局部连接与权重共享处理空间或序列结构的神经网络。
卷积网络通过局部运算与共享参数提取模式。1998年的文档识别论文总结了梯度学习与卷积结构的结合，2012年的ImageNet研究体现深层卷积网络的大规模应用。
CNN描述网络结构，不规定唯一深度、训练算法或应用领域；它与其他网络架构可以并存。
原理与影响
解决的问题
- 利用输入的局部结构减少参数并学习可复用模式。
核心原理
- 同一组卷积参数在不同位置应用，再组合局部特征。
相对前代的改进
暂无记录
技术意义
- 推动图像与文档识别的端到端学习。
历史与应用
人物
Yann LeCun、Léon Bottou
组织
暂无记录
事件
暂无记录
典型应用
图像识别、文档识别
留下的局限
- 局部结构假设未必适合所有任务，对分布变化和输入扰动仍可能敏感。
上下游关系
上游
下游
证据：Gradient-based Learning Applied to Document RecognitionImageNet Classification with Deep Convolutional Neural Networks