<strong>著名：</strong> <em>本文是从 Michael Nielsen的电子书<a href="http://neuralnetworksanddeeplearning.com/">Neural Network and Deep Learning</a>的<a href="http://neuralnetworksanddeeplearning.com/chap6.html">深度学习</a>那一章的卷积神经网络…，并不是我自己的结论和做实验所得到的结果。我想Michael的实验结果更有说服力一些。

之前在网上搜索了好多好多关于CNN，卷积神经网络的文章，很多都讲如何卷积、卷积层如何操作、具体如何进行卷积计算、卷积的好处。我也在此之前走了好多弯路，已经很了解如何卷积了，但是却不知道物理意义上，卷积与神经网络之间的联系。

但是鉴于大量的文章在网络上层出不穷地重复与累赘，更重要的是对于 卷积神经网络 一词当中，很多人都忽略了 神经网络 而去强调如何 卷积，因此本文主要讲述卷积神经网络中最重要的部分， 神经网络。希望看完这篇文章和相关卷积神经网络ConvsNet的人能够搞懂 NN 与 Conv 之间的联系与物理意义。

<strong>1.人工神经网络</strong>

<strong>1.1 神经元模型</strong>

神经元是神经网络操作的基本信息处理单位。下图给出了神经元的模型model，这张图是后续章节单重将要探讨的设计（人工）神经网络Big Family的基础。我们在这里给出了神经元模型的三种基本元素：