认知机

认知机（Cognitron）是由日本学者Fujio Masaki于1962年提出的一种前馈人工神经网络模型，旨在模拟人类视觉系统的信息处理机制。该模型摒弃了传统全连接网络的冗余结构，创新性地引入了类似生物视觉皮层的分层架构，包含特征提取层、特征选择层和特征组合层。它通过局部连接和重叠窗口机制，实现对图像边缘、角点等低级特征的自动学习与组合，是早期深度学习理论探索的重要里程碑，为后续卷积神经网络（CNN）的诞生奠定了坚实的理论与架构基础。

在现代计算架构中，认知机虽未直接成为主流工业界的标准组件，但其历史地位不可磨灭。它首次系统性地提出了“局部感受野”、“特征图（Feature Map）”和“层级特征抽象”等核心概念，彻底改变了神经网络从全连接向空间感知的演进方向。其核心价值在于证明了神经网络可以通过分层结构高效处理具有空间结构的数据（如图像），极大地降低了计算复杂度并提升了特征表达能力。尽管受限于当时的算力与理论认知，其具体实现细节未被广泛采用，但它作为连接感知机与深度卷积网络的桥梁，深刻影响了后续几十年计算机视觉领域的技术路线与算法设计哲学。