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。
神经网络由大量的神经元相互连接而成。每个神经元接受线性组合的输入后，最开始只是简单的线性加权，后来给每个神经元加上了非线性的激活函数，从而进行非线性变换后输出。每两个神经元之间的连接代表加权值，称之为权重（weight）。不同的权重和激活函数，则会导致神经网络不同的输出。
常用的非线性激活函数有sigmoid、tanh、relu等等，前两者sigmoid/tanh比较常见于全连接层，后者relu常见于卷积层。这里先简要介绍下最基础的sigmoid函数。
卷积关系最重要的一种情况，就是在信号与线性系统或数字信号处理 中的卷积定理。利用该定理，可以将时间域或空间域中的卷积运算等价为频率域的相乘运算，从而利用FFT等快速算法，实现有效的计算，节省运算代价。
参考
1、CNN笔记：通俗理解卷积神经网络
2、最容易理解的对卷积(convolution)的解释
3、[笔记]ACM笔记 - 利用FFT求卷积（求多项式乘法）
4、快速傅立叶变换FFT 原理：利用多项式点值求积的便捷性
5、多项式乘法与快速傅里叶变换
6、FFT算法学习笔记
7、多项式相乘快速算法原理及相应C代码实现
8、[CV] 通俗理解『卷积』——从傅里叶变换到滤波器
