请扩下那面的内容：MATLAB中的卷积神经网络Convolutional Neural Network CNN是一种深度学习模型主要用于图像识别、物体检测、语音识别等领域。CNN由多个卷积层、池化层和全连接层组成其中卷积层和池化层用于提取特征全连接层用于分类。在训练时CNN会通过反向传播算法调整网络参数以最小化损失函数。MATLAB提供了CNN工具箱可以方便地搭建和训练CNN模型并进行预测和评估。

CNN的优点是能够处理高维数据，如图像和音频等，能够提取出数据的空间和时间特征。而且CNN具有很强的鲁棒性，即对于数据的扭曲、旋转、缩放等变换具有很好的识别能力。同时，CNN还能够自动提取特征，无需手动设计特征提取器，使得模型设计更加简单和灵活。

在MATLAB中使用CNN工具箱，可以使用预训练的模型或自定义模型进行训练和预测。CNN工具箱还提供了可视化工具，可以方便地观察模型的结构和训练过程。此外，CNN工具箱还支持GPU加速，能够加快训练和预测的速度。

使用CNN进行图像识别时，可以通过训练模型来识别不同的物体或场景，例如识别手写数字、识别车辆、识别人脸等。而在语音识别方面，CNN可以用于语音转换、情感识别等任务。

总之，CNN是一种强大的深度学习模型，MATLAB的CNN工具箱能够方便地搭建和训练CNN模型，并应用于各种领域的数据分析和处理。