卷积神经网络(CNN)，由一个个神经元组成，它是一种预测神经网络，其人工神经元可以对一定覆盖范围内的周围实体做出响应，在大规模图像处理方面具有出色的性能。

卷积神经网络由一个或多个卷积层和一个完全连接的顶层（相当于经典神经网络）以及相关的权重和一个聚类层组成。这种结构允许卷积神经网络利用输入数据的二维结构。与其他深度学习结构相比，卷积神经网络在图像和语音识别方面的表现更好。该模型也可以使用反向传播算法进行训练。与其他深度和前馈神经网络相比，卷积神经网络需要考虑的参数更少，这使其成为一种有吸引力的深度学习架构。

胶囊神经网络(CapsNet) 是一种机器学习系统，它是一种人工神经网络(ANN)，可用于更好地建模层次关系。该方法是一种更密切地模仿生物神经组织的尝试。这个想法是在卷积神经网络(CNN) 中添加称为“胶囊”的结构，并重用其中几个胶囊的输出，为更高的胶囊形成更稳定的（相对于各种扰动）表示输出是一个向量，由观察概率和该观察的姿势组成。该向量类似于例如在 CNN 中 使用定位进行分类时所做的。