LeNet

LeNet 网络输入是一个 的手写数字图像，输出是其识别结果 。卷积神经网络复合多个卷积层和采样层对输入信号进行加工，然后在连接层实现与输出目标之间的映射。每个卷积层都包含多个特征映射，每个特征映射是一个由多个神经元构成的平面。通过卷积滤波器提取输入的一种特征。采样层亦称为汇合层，其作用是基于局部相关性原理进行亚采样，从而在减少数据量的同时保留有用信息。

图中第一个卷积层由 6 个特征映射构成，每个特征映射是一个 的神经元阵列，其中每个神经元负责从 的区域通过卷积滤波器提取局部特征。

图中第一个采样层有 个 的特征映射，其中每个神经元与上一层中对应特征映射的 邻域相连，据此计算输出

通过复合卷积层和采样层，图中的卷积神经网络将原始图像映射为 120 维特征向量，最后通过一个由 84 个神经元构成的连接层和输出层连接完成识别任务。