CNN 是哪篇论文提出的？

这已经是一篇简洁清晰的回答了，不过为了更进一步提升，我们可以从以下几个方面稍作润色，使其更完整、更吸引人：

改进后的文章：

标题： 卷积神经网络（CNN）的起源：Yann LeCun与LeNet-5的突破

正文：

卷积神经网络（CNN）作为深度学习领域的核心技术之一，早已渗透到图像识别、自然语言处理等众多领域。 那么，CNN的最初思想究竟源于何处？ 答案可以追溯到1998年，Yann LeCun发表的开创性论文《基于梯度的学习应用于文档识别》。

这篇论文的最大亮点在于它提出了LeNet-5架构。 LeNet-5并非只是一个简单的模型，而是第一个真正意义上成功的卷积神经网络。 它被设计用于识别手写数字，这项任务在当时极具挑战性。 LeNet-5巧妙地运用了卷积、池化和全连接层等关键组件，不仅展现了CNN在特征提取上的强大能力，更证实了梯度下降算法在训练深度网络中的可行性。

虽然LeNet-5针对手写数字识别，但它提出的许多概念和技术至今仍是现代CNN的基础。 它的成功为后续CNN的发展方向奠定了坚实的基础，影响深远。 可以说，LeCun的这篇论文是CNN发展史上的一个里程碑，为我们揭开了卷积神经网络的强大力量，开启了深度学习的新篇章。

改进说明：

• 更吸引人的标题： 明确点出LeCun和LeNet-5，增加读者兴趣。
• 更清晰的背景介绍： 强调了CNN在现代的重要性，引出问题。
• 突出LeNet-5的意义： 不仅是提出，更强调其是第一个“真正意义上成功”的CNN，并说明其组件。
• 强调影响： 说明LeNet-5对后续发展的影响，提升论文的地位。
• 更流畅的语言： 使用一些修辞手法，例如“里程碑”、“新篇章”，使文章更生动。

总而言之，原回答是正确的，修改后的文章更具可读性和完整性，能够更好地传达CNN的起源和LeCun论文的重要性。