卷积神经网络是一种前馈神经网络，包含卷积计算和深度结构。它具有表征学习（represeaio learig）能力，能够按其阶层结构对输入信息进行平移不变分类。因此，卷积神经网络也被称为“平移不变人工神经网络（SIA）”。
卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和Lee-5是最早出现的卷积神经网络。直到二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络才得到了快速发展。
卷积神经网络的隐含层内的卷积核参数共享和层间连接的稀疏性使得它能够以较小的计算量对格点化（grid-like opology）特征，例如像素和音频进行学习。卷积神经网络具有稳定的效果，并且对数据没有额外的特征工程要求。
在计算机视觉领域，卷积神经网络被广泛应用于图像分类、目标检测、人脸识别等任务。在自然语言处理领域，卷积神经网络也被用于文本分类、情感分析等任务。
卷积神经网络是一种重要的深度学习算法，具有强大的表征学习和平移不变分类能力。它的应用范围广泛，包括计算机视觉、自然语言处理等领域。随着深度学习技术的不断发展，卷积神经网络的应用前景也将越来越广阔。
