卷積神經網路（Convolutional Neural Network, CNN）是一種專門用於處理具有網格結構數據的深度學習模型，特別擅長於圖像處理、語音識別等應用。CNN 的設計靈感來自於人類視覺系統，通過學習數據中的局部特徵來達到自動化特徵提取的目的。

1. 卷積層（Convolution Layer）
   卷積層是 CNN 的核心。這一層使用卷積核（又稱為濾波器）來對輸入數據進行滑動操作，逐步提取不同層次的特徵。卷積核會遍歷整張圖片，對局部區域進行運算，生成特徵圖。這樣的局部感知能力讓 CNN 對圖像中的空間關係具有敏感性。
   -卷積操作：卷積核在輸入數據上進行滑動，與數據的每個局部區域進行內積計算，生成特徵圖。
   -特徵圖（Feature Map）：每個卷積核產生一個特徵圖，這些特徵圖反映了不同層次的圖像特徵。
2. 激活函數（Activation Function）
   卷積層之後通常會應用一個非線性激活函數（如 ReLU，Rectified Linear Unit）來引入非線性，使模型能夠學習到更加複雜的特徵。
   -ReLU 函數：常用的激活函數，將所有負數值置為 0，保留正數值，這有助於解決梯度消失問題。