Некоторые отличия архитектуры свёрточных нейронных сетей от классических перцептронов:

• Количество настраиваемых весов. 1 В перцептроне для каждого пикселя входного изображения создаются свои персональные весовые коэффициенты. 1 В свёрточной нейронной сети одно ядро весов используется целиком для всего изображения. 1 Это подталкивает нейросеть при обучении к обобщению демонстрируемой информации, а не попиксельному запоминанию каждой показанной картинки, как это делает перцептрон. 1
• Слои. 4 В свёрточных сетях, по сравнению с полносвязным перцептроном, добавляются два новых вида слоёв: свёрточный (фильтр) и подвыборочный (субдискретизирующий). 4 Чередуясь, указанные слои выделяют основные компоненты и отсеивают шумы в исходных данных с параллельным понижением размерности (объёма) данных. 4
• Набор весов. 1 В свёрточной нейронной сети набор весов не один, а целая гамма, кодирующая элементы изображения (например линии и дуги под разными углами). 1 При этом такие ядра свёртки не закладываются исследователем заранее, а формируются самостоятельно путём обучения сети классическим методом обратного распространения ошибки. 1
• Представление изображений. 38 Свёрточная нейронная сеть «видит» изображение в особом представлении — в виде трёхмерных массивов чисел или массивов матриц. 8 В математике это называется тензорами. 8