卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。
卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）。这一结构使得卷积神经网络能够利用输入数据的二维结构。与其他深度学习结构相比，卷积神经网络在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网络，卷积神经网络需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。
从学科发展来看，卷及神经网络在计算机科学方面的应用首先要追溯到生物与神经科学。Hubel和Wiesel在20世纪50年代到20世纪60年代的研究发现，猫和猴子的视觉皮层中包含着能分别对某一小块视觉区域进行回应的神经元。当眼睛不动的时候，在一定区域内的视觉刺激能使单个神经元兴奋，那这个区域就称为这个神经元的感受范围。相邻的细胞具有相似且重叠的感受范围。为了形成一张完整的视觉图像，整个视觉皮层上的神经元的感受范围的大小和位置呈现系统性的变化。左脑和右脑分别对应其对侧的视野。 在1968年的一篇学术文献中，天门提出大脑中只有两种不同的基本视觉细胞：简单细胞和复杂细胞。不仅于此，Hubel和Wiesel还提出了这两种细胞用于模式识别任务的级联模型。简而言之，正是Hubel和Wiesel的生物学发现为后续人工智能的图像识别等功能打下了学术基础。
各位理工大神们，如果想要了解更多关于在美国深造计算机科学与人工智能专业的信息，欢迎与福州前途出国的留学教育专家交流~ 
