卷积神经网络是谁提出的？

卷积神经网络（Convolutional Neural Network，CNN）的诞生并非一蹴而就，而是一个逐步演进的过程。虽然如今CNN被广泛应用，并取得了令人瞩目的成就，但追溯其源头，不得不提到一位关键人物：Yann LeCun。

并非Yann LeCun凭空创造了卷积神经网络的概念，早在20世纪60年代，Hubel和Wiesel对猫的视觉皮层的研究就为CNN的构想提供了生物学基础。他们的研究揭示了视觉皮层中存在对特定方向、特定频率的边缘敏感的神经元，这种分层处理信息的方式启发了后来的研究者。

然而，将这种生物学机制转化为有效的数学模型并付诸实践，是一个极大的挑战。正是Yann LeCun在1989年于AT&T贝尔实验室提出了LeNet-5，这一里程碑式的成果才真正奠定了卷积神经网络的基础。

LeNet-5并非凭空出现，它吸收了之前诸多研究的成果，并巧妙地结合了卷积层、池化层和全连接层等关键组件。卷积层利用卷积核提取图像的局部特征，模拟了生物视觉皮层中神经元的感受野；池化层则对特征图进行降采样，减少计算量并提高模型的鲁棒性；而全连接层则将提取到的特征组合起来进行分类。

LeNet-5的成功之处在于它高效地识别了手写数字，在MNIST数据集上取得了当时领先的准确率。这不仅证明了CNN的有效性，更重要的是，它为深度学习领域的发展注入了新的活力，为后来的图像识别、目标检测等计算机视觉任务提供了强大的工具。 LeNet-5的出现，标志着卷积神经网络从理论走向实践的关键一步，为其后深度学习的蓬勃发展铺平了道路。 虽然如今的CNN架构更加复杂多样，但其核心思想仍然源于LeNet-5，Yann LeCun也因此被誉为卷积神经网络之父。 他的贡献不仅仅在于提出了一个具体的模型，更在于他为一个全新的、充满潜力的研究方向指明了方向。