卷积神经网络相邻两层之间只有部分节点相连。

卷积神经网络相邻两层之间只有部分节点相连。

A、错

B、对

正确答案：B

答案解析：卷积神经网络（ConvolutionalNeuralNetwork，CNN）中相邻两层之间只有部分节点相连，这是CNN的重要特性之一，主要基于以下原因：

局部连接：在CNN的卷积层中，卷积核（滤波器）在输入数据上滑动进行卷积操作。每个卷积核的大小通常远小于输入数据的尺寸，例如在处理图像数据时，卷积核可能是3×3或5×5的矩阵，而输入图像可能是几百像素×几百像素。在每次卷积运算时，卷积核只与输入数据的局部区域进行连接并计算，这就意味着只有输入数据局部区域对应的节点与卷积核输出的节点相连，并非与整个输入层所有节点都相连。这种局部连接方式使得网络能够专注于学习局部特征，例如图像中的边缘、角点等。例如在识别手写数字图像时，一个小的卷积核可以检测到图像中数字笔画的局部特征，如竖线、横线等。

参数共享：与局部连接紧密相关的是参数共享机制。同一个卷积核在输入数据的不同位置滑动时，其权重参数是固定不变的。这进一步强化了相邻两层部分节点相连的特性，因为无论卷积核在何处进行卷积操作，它都只与局部区域连接并使用相同的参数。参数共享不仅极大地减少了网络的参数数量，降低计算量，还使得网络对输入数据的平移具有不变性，即无论某个局部特征出现在图像的哪个位置，卷积核都能以相同的方式检测到它。例如，一个用于检测图像中垂直边缘的卷积核，无论垂直边缘在图像的左上角还是右下角，卷积核都能通过相同的权重参数检测到该边缘特征。