在介紹深度學習後，今天要來講解卷積神經網路(Convolution Neural Network,CNN)，他是一種倒傳神經網路，適用於大規模的影像辨識，效率相當高。CNN是1960年代，由美國兩位生物學家Hubel、Wiesel在研究貓腦皮相關研究發現的(我記得是這樣，在這麼早以前就發現惹)，之後深度學習、人工神經網路就越來越成熟。

卷積
公式：
a = {+∞}
b = {-∞}

卷積運算架構分為6層架構：輸入層、卷積層、池化層、平坦層、隱藏層、輸出層。其中，CNN處理方式分為以下：兩項：

• 特徵提取：透過輸入的訓練資料，經由卷積、池化(其次卷積及各項次數會因為訓練資料相異而精確值也隨之不同，並不是卷積、池化越多次，測試出來的資料就越好，因為訓練只會讓模型越來越佳，所以要避免有overfitting的情況發生，之後舉例會更詳細的解釋)，來提取特徵。
• fully connected layer：由平坦層、隱藏層、輸出層所組成的神經網路架構。

今天圖檔不小心的被剛睡醒的我刪掉惹QQ 希望文字解釋大家可以聽懂，歡迎留言發問~