卷积神经网络的特点之一是权值共享。○ 正确 ○ 错误

卷积神经网络（CNN）的核心特点之一是权值共享机制。这一机制通过让同一卷积核内的所有神经元共享相同的权重参数，大幅减少了模型的参数量，从而降低计算复杂度并提升学习效率。同时，权值共享还能帮助模型提取具有平移不变性的特征，这是CNN在图像处理任务中表现优异的关键因素之一。

权值共享的实现原理：
在卷积层中，每个卷积核是一个小型的二维滤波器（例如3×3矩阵），其权重参数固定。当卷积核滑动到输入特征图的不同位置时，始终使用相同的权重矩阵与局部区域进行点积运算。例如，检测边缘的卷积核（如[[1,0,-1],[0,0,0],[1,0,-1]]）会重复应用于图像的所有位置，从而高效提取边缘特征。

权值共享的优势：

1. 参数减少：传统全连接网络需为每个连接分配独立权重，而权值共享使参数数量与输入尺寸无关，仅依赖于卷积核大小。
2. 平移不变性：共享权重使模型更关注特征本身而非位置，有助于识别不同位置出现的相同物体。
3. 过拟合缓解：参数减少降低了模型复杂度，一定程度上防止过拟合。