卷积神经网络（CNN）详解：原理、结构和应用

4.2.3 卷积神经网络 (CNN)

卷积神经网络 (CNN) 是最流行的机器学习 (神经网络) 技术之一，在不同的回归或分类问题上表现良好，例如 Qian 等人 (2020)。每个神经元从输入特征空间接收输入信号，并像人工神经网络 (ANN) 一样运行。CNN 结构使局部共享权重的连接有效地确定局部特征 (Zhang 等人, 2021)。

ANN 和 CNN 之间的主要区别之一是使用领域。CNN 通常用于图像中的模式识别。CNN 具有卷积层、池化层和输出层，主要组成部分是卷积层和池化层。

• 卷积层 提取局部特征。
• 池化层 减少参数的维数，并最小化过度拟合的可能性 (Zhang 等人, 2021)。

网络的输入是类似信号的时间序列数据特征。Python Keras 库用于实现 CNN。CNN 层信息在表 5 中呈现。