卷積神經(jīng)網(wǎng)絡(luò)的定義是什么?

卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)是一類包含卷積計算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Networks)，是深度學(xué)習(xí)(deep learning)的代表算法之一[1-2]。卷積神經(jīng)網(wǎng)絡(luò)具有表征學(xué)習(xí)(representation learning)能力，能夠按其階層結(jié)構(gòu)對輸入信息進(jìn)行平移不變分類(shift-invariant classification)，因此也被稱為“平移不變?nèi)斯ど窠?jīng)網(wǎng)絡(luò)(Shift-Invariant Artificial Neural Networks, SIANN)”

在泛函分析中卷積是

在泛函分析中，卷積、旋積或褶積(英語：Convolution)是通過兩個函數(shù)f和g生成第三個函數(shù)的一種數(shù)學(xué)運(yùn)算，其本質(zhì)是一種特殊的積分變換，表征函數(shù)f與g經(jīng)過翻轉(zhuǎn)和平移的重疊部分函數(shù)值乘積對重疊長度的積分。

如果將參加卷積的一個函數(shù)看作區(qū)間的指示函數(shù)，卷積還可以被看作是“滑動平均”的推廣。