技术
Convolution（卷积）
Convolution是卷积神经网络的核心操作，通过滑动窗口提取局部特征，解决图像等网格数据的特征学习问题，典型应用包括图像分类、目标检测，代表工作如LeNet、ResNet。
详细解释
卷积操作利用卷积核在输入数据上滑动，进行加权求和，从而捕捉局部空间特征。其关键特性包括局部连接、权值共享和平移不变性，大幅减少参数数量。卷积层通常与池化层交替，构建深层网络。在计算机视觉中，卷积网络长期占据主导地位；近年来，Transformer也在部分任务中挑战其地位，但卷积仍是高效特征提取的基础。
别名与相关写法
convolution
相关术语
相关资讯
论文提出用无线电混频器运行卷积神经网络2026/9/18
Muon 优化器在卷积上理论存疑但实践有效2026/10/7
研究：留出轴承协议下域适应在振动传感器上失效2026/9/29
论文提出运动等变卷积 LSTM，将运动视为规范对称性2026/10/22
GCRN+ 用稀疏传感器预测全网高速车速2026/10/19
Muon-C：面向卷积核的算子对齐Muon优化器2026/9/10
ConvMem：面向长上下文推理的卷积记忆2026/9/10