卷积神经网络是目前很火热的一种深度学习神经网络，尤其是在图像识别领域。
卷积神经网络的前身就与视觉感受神经系统有关系。早在1970年代，日本学者福岛邦彦提出了一种基于视觉神经的多层网络。
卷积神经网络，重要的一个内容就是卷积。这个卷积就是用一个小的矩阵去和输入的信息做乘法并相加。
在图像处理领域，也经常使用类似的手段实现图像处理。这也可以解释为什么卷积神经网络适合处理图像识别问题。
第二个重要的内容是池化。池化一般是选出一个方形区域里面的最大值。这就是一种滤波方式或者说平滑方式。当然也可以取平均值或者中位值。
池化可以简化特征，加速网络收敛。

卷积的核或者矩阵的参数是如何设计的呢？最初都是随机数。是通过误差反传算法调整的。

有几个关于卷积神经网络的介绍，写的很好：
深入学习卷积神经网络（CNN）的原理知识
深度学习cnn卷积神经网络原理（图文详解）