CNN(Convolutional Neural Network)

由Yann LeCun于1998年在文章[1]中提出。CNN在层数比较多的情况下还能学习得到比较好的结果的原因，是因为CNN中滤波核的共享大大降低了网路的复杂度。其目前也是深度学习中研究比较多的，且效果比较好的模型。其传统结构如下图所示:

• 说明
  
  1. CNN由特征提取层(卷积层与采样层C1、S2、C3、S4)和分类层组成(全连接的C5、F6)
  2. 其C3中的有16x6个10x10滤波核，即其滤波核的共享只是在一个map中
     
     

Reference

1. Gradient-Based Learning Applied to Document Recognition