分析CNN中卷积层的作用及其在CNN中的应用

1、卷积神经网络算法是什么？

一维构建、二维构建、全卷积构建。

卷积神经网络（Convolutional Neural Networks, CNN）是一种具备卷积运算功能并拥有深度架构的前馈神经网络（Feedforward Neural Networks），作为深度学习（deep learning）中的典型算法之一，其应用广泛。

该类网络具备表征学习能力，能够依据其层级结构对输入数据实现平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）”。

卷积神经网络的连接特性：

在卷积神经网络中，各卷积层之间的连接方式称为稀疏连接（sparse connection）。相较于前馈神经网络中普遍存在的全连接方式，卷积层中的每个神经元仅与相邻层中部分而非全部的神经元建立联系。具体而言，在第l层特征图中，任意一个像素点（即对应的神经元）仅是第l-1层中由卷积核所定义的感受野内像素点的线性组合。

这种稀疏连接机制具