Convolutional Neural Network，卷积神经网络。
专门处理具有网格状拓扑结构的数据，例如图像。
组成部分
卷积层
Convolutional Layer
核心层，负责从输入数据中「提取特征」。
该层通过卷积操作对输入数据进行处理：
- : 滤波器 (Filter Matrix)：也称为卷积核 (Kernel)。多个小矩阵对输入数据执行点积运算(Dot Product)，从而提取局部特征（例如边缘、纹理等）。
- 卷积操作即为在输入 上滑动卷积核，对每个位置 进行点积运算。
为了确保图像边缘的信息不会丢失，卷积操作常常会在输入图像的边缘填充 (Padding) 额外的像素，从而保持输入和输出的空间关系。
池化层
Pooling Layer
引入「非线性激活函数」，使模型能够学习到复杂的非线性特征。
全连接层
Fully Connected Layer
对特征图进行「下采样」，可以理解为缩小图像 / 像素重组，从而减少计算量和模型复杂度，同时保留重要特征。
- 最大池化 (Max Pooling)：取每个池化窗口的最大值。
- 平均池化 (Average Pooling)：取每个池化窗口的平均值。
模型例子
ResNet
由微软研究院提出，其核心创新是引入了「残差连接」( Residual Connections)，使得网络能够训练更深层次的模型，解决了随着深度增加而出现的梯度消失或梯度爆炸问题。
