机器学习：卷积神经网络

卷积神经网络是一种包含卷积运算且具备深度结构的前馈型神经网络，在深度学习领域具有重要地位。该类模型具备自我表征学习能力，并能够按照层级结构处理输入信息，并实现对平移后的特征进行分类，在这一特性使其被特别称为SIANN（平移不变性人工神经网络）。该架构模仿生物视知觉机制构建而成，并支持监督式和非监督式的两种学习模式。这种架构通过其隐含层中的卷积核参数共享特性以及层间连接的稀疏性，在处理格点化特征时实现了较大的计算量缩减。

卷积神经网络的结构包括：输入层、卷积层、池化层、全连接、输出层。

本层：神经网络的核心输入层，在用于处理图像数据的情况下，该层主要应用于卷积神经网络模型中。它表示输入图像对应的像素数据矩阵，在三维空间维度上由图片宽度和高度决定（宽度：水平方向像素数量；高度：垂直方向像素数量），而其深度维度则对应于颜色通道的数量（如RGB颜色模式下的红、绿、蓝三个通道）。

卷积神经网络（CNN）中的卷积层：通过细致分析局部区域来提取更高层次的抽象特征。在卷积神经网络结构中占据重要地位的是滤波器或内核组件，其作用是将当前输入图像的一部分信息转换为下一层次的特征