卷积神经网络目前被广泛应用，它的核心思想包含以下哪些选项？ A. 参数共享B. 局部感知C. 全局感知D. 参数独享

卷积神经网络（CNN）的核心思想主要体现在两个关键机制上：

1. 参数共享：通过在卷积核中重复使用相同的参数，大幅减少模型复杂度，同时提升对平移不变性的捕捉能力。
2. 局部感知（局部感受野）：每个神经元仅与输入区域的局部连接，有效提取空间局部特征（如边缘、纹理），并保持位置敏感性。

干扰项辨析：

• 全局感知（C）：虽然CNN通过多层结构可逐步整合全局信息，但这是通过局部操作的叠加实现的，而非直接机制。
• 参数独享（D）：与CNN的设计目标（减少参数、降低计算量）完全矛盾。

选项分析

A. 参数共享

正确。
卷积核在扫描输入时，同一位置的参数在所有空间位置上共享。例如，检测水平边缘的卷积核，其参数在图像任意位置均相同，从而减少参数量并提升计算效率。

B. 局部感知

正确。
每个卷积核仅与输入的局部区域（如3×3像素）连接，形成局部感受野。这种机制使网络能逐步构建从局部到全局的特征表示（如从边缘到物体）。

C. 全局感知

错误。
全局感知是CNN的间接结果，而非直接机制。通过多层卷积和池化操作，感受野逐渐扩大，但核心仍基于局部操作的叠加。

D. 参数独享

错误。
参数独享会导致参数数量指数级增长，与CNN“高效、轻量化”的设计目标相悖。