两个相同矩形脉冲卷积_深入理解卷积

卷积神经网络是一种特殊的神经网络结构，是自动驾驶汽车、人脸识别系统等计算机视觉应用的基础，其中基本的矩阵乘法运算被卷积运算取代。它们专门处理具有网格状拓扑结构的数据。例如，时间序列数据和图像数据可以看作是一个二维像素网格。

历史

卷积神经网络最初是由福岛核电站在1980年引入的，当时名为Neocognitron。它的灵感来自于Hubel和Weisel提出的神经系统的层次模型。但由于其复杂的无监督学习算法，即无监督学习，该模型并不受欢迎。1989年，Yann LeCun利用反向传播和Neocognitron的概念提出了一种名为LeNet的架构，该架构被美国和欧洲用于手写的邮政编码识别。邮政服务。Yann LeCun进一步研究了这个项目，最终在1998年发布了LeNet-5——第一个引入了我们今天在CNN仍然使用的一些基本概念的现代卷积神经网络。他还发布了MNIST手写数字数据集，这可能是机器学习中最著名的基准数据集。在20世纪90年代，计算机视觉领域转移了它的焦点，许多研究人员停止了对CNN架构的研究。神经网络的研究经历了一个寒冷的冬天，直到2012年，