LeNet神经网络

LeNet神经网络是一种卷积神经网络，由Yann LeCun在1998年提出，是最早成功应用于数字识别问题的卷积神经网络之一。LeNet-5模型是该网络的一种改进版本，包含两层卷积层、两层池化层和三层全连接层。它的主要特点是利用卷积层提取图像特征，通过池化层降低特征维度，最后通过全连接层进行分类。LeNet-5在手写数字识别等任务上取得了很好的效果，为后来的深度学习研究奠定了基础。