CNN是卷積神經網路的英文簡稱，通過隨機賦一個初始的權重值，依靠正向傳播(包含卷積，池化(意譯是泛化)和全連線(其實也是一種特殊的卷積計算)三組運算，主要是乘加運算)推匯出一個當前值，使用隨機(通常這個隨機是當前值和目標值的平均值)梯度下降原理求得一個可能更接近目標值的結果，依靠反向傳播(正向傳播的三個步驟反過來執行，主要是求偏微分運算)將更接近的結果反向推匯出更接近的權重，CNN演算法僅適合權重變化和目標值變化是單向相關的變化情況，如果這個相關關係中存在拐點或者抖動，CNN演算法無效。
還有一個更簡潔版本的：通過訓練不斷尋找一個最接近事實的權重，通過推理將當前物件利用權重引數推導一下，得出和目標值的相似度。