卷積神經網絡(CNN)是壹種具有深度結構的前饋神經網絡，包含卷積計算，是深度學習的代表性算法之壹。
卷積神經網絡的研究始於上世紀八九十年代，最早的卷積神經網絡是時延網絡和LeNet-5。21世紀後，隨著深度學習理論的引入和數值計算設備的完善，卷積神經網絡發展迅速，並被應用於計算機視覺、自然語言處理等領域。
自然
卷積神經網絡中卷積層之間的連接稱為稀疏連接，即與前饋神經網絡中的全連接相比，卷積層中的神經元只與其相鄰層中的壹部分相連，而不是全部神經元。具體來說，卷積神經網絡的L層特征圖中的任何壹個像素(神經元)只是l-1層卷積核定義的感受野中像素的線性組合。
卷積神經網絡的稀疏連接具有正則化效應，提高了網絡結構的穩定性和泛化能力，避免了過擬合。同時，稀疏連接減少了權參數的總量，有利於神經網絡的快速學習，減少了計算中的內存開銷。