卷积神经网络是一种专门用来处理具有类似网格结构的数据的神经网络。卷积神经网络应用了"卷积"这种运算，卷积是一种特殊的线性运算。
卷积神经网络中用到的卷积运算和数学里的卷积运算并不完全一致。
卷积神经网络是神经科学原理影响深度学习的典型代表。
在卷积网络中，第一个参数通常叫做"输入"，第二个参数通常叫做"核函数"。输出有时候被描述为特征映射(feature map)。
卷积运算通过三个重要的思想来帮助改善机器学习系统: 稀疏交互，参数共享，等变表示。
稀疏交互:
传统神经网络使用矩阵乘法来建立输入与输出之间的连接关系。参数矩阵中的每一个参数都描述了一个输入单元与一个输出单元间的交互。这意味着每一个每一个输出单元都与每一个输入单元产生交互。然而卷积网络是稀疏交互的。
