1958 年，一群奇葩的神经科学家把电极插到喵星人的脑子里，观察到视觉皮层的活动。从而推断生物视觉系统是从物体的小部分入手，
经过层层抽象，最后拼起来送入处理中心，减少物体判断的可疑性的。这种方法就与BP网络背道而驰。
BP网络认为，大脑每个神经元都要感知物体的全部（全像素全连接）,并且只是简单的映射，并没有对物体进行抽象处理。
谁对谁错呢？卷积神经网络（Convolution Neural Network）最先证明了BP网络的不科学性。
CNN起源于机器学习大师LeCun在80年代末搞的支票数字识别神经网络。他在BP网络前面尝试了多层的卷积、降采样、以及部分网络连接的创意，
结果训练效果好得惊人。LeCun的导师是Hinton，也就是最先在2006年提出深度学习（Deep Learning）概念的计算机科学家兼神经科学家。
LeCun本人也算是半个神经科学家。师徒二人携手撑起了深度学习的蓝天。
原文：http://www.cnblogs.com/neopenx/p/4349247.html