شبکه عصبی پیچشی

شبکه های عصبی پیچشی یا همگشتی (به انگلیسی: convolutional neural network) (مخفف انگلیسی: CNN یا ConvNet) رده ای از شبکه های عصبی ژرف هستند که معمولاً برای انجام تحلیل های تصویری یا گفتاری در یادگیری ماشین استفاده می شوند.
حذف تصادفی
بازگشت به عقب
گرادیان کاهشی تصادفی
قاعده زنجیری
شبکه های عصبی پیچشی به منظور کمینه کردن پیش پردازش ها از گونه ای از پرسپترونهای چندلایه استفاده می کنند. به جای شبکه عصبی پیچشی گاهی از این شبکه ها با نام شبکه های عصبی تغییرناپذیر با انتقال (shift invariant) یا تغییرناپذیر با فضا (space invariant) هم یاد می شود. این نام گذاری بر مبنای ساختار این شبکه است که در ادامه به آن اشاره خواهیم کرد.
ساختار شبکه های پیچشی از فرایندهای زیستی قشر بینایی گربه الهام گرفته شده است. این ساختار به گونه ای است که تک نورون ها تنها در یک ناحیه محدود به تحریک پاسخ می دهند که به آن ناحیه پذیرش گفته می شود. نواحی پذیرش نورون های مختلف به صورت جزئی با هم همپوشانی دارند به گونه ای که کل میدان دید را پوشش می دهند.
شبکه های عصبی پیچشی نسبت به بقیه رویکردهای دسته بندی تصاویر به میزان کمتری از پیش پردازش استفاده می کنند. این امر به معنی آن است که شبکه معیارهایی را فرامی گیرد که در رویکردهای قبلی به صورت دستی فراگرفته می شدند. این استقلال از دانش پیشین و دستکاری های انسانی در شبکه های عصبی پیچشی یک مزیت اساسی است.