人工神经网络是指科学家通过模拟人工智能的方式建立的模拟或部分模拟大脑功能的系统。在20世纪末该技术有较大发展随后逐渐走向没落。该学科来源于仿生学及模拟动物神经学,通过系统及人工的智能来模仿人或动物的视觉及其他大脑功能的运行模式,像这种人工的神经系统可以看成是动物脑部思维系统的一种模拟。一种新的人工神经网络卷积神经网络人工神经网络和深厚的学习技术,生产,与当地的感应区,层次,特征提取和分类相结合的过程全球培训等特性,在图像识别领域的广泛应用获得。卷积神经网络经过数十年的发展,已经作为深度网络的特殊部分受到国内外学者的广泛关注,科学家希望通过对目前的图像识别系统根据其所负责的不同数据识别及处理任务加以分类,随着研究的逐步深入卷积神经网络在在模拟人工神经网络的领域内显得更加具有实际意义备受瞩目。本文通过对前人对人工神经网络的探索及研究成果进行整理,着重于对卷积神经网络的意义、概念以及运算方法作了总结。同时经典卷积人工神经网络的回旋理论的基础上,着重探讨通过手写数字识别和面部识别建立任务神经网络模型,主要工作如下:1、首先对神经网络科学的发展历程加以梳理,分析说明了卷积神经网络的优缺点,分析推到其公式及运算原理。2、其次将卷积神经网络应用于手写数据库进行训练,分析比较其结果,得出结论。3、再次将卷积神经网络应用于毫米波人体数据集进行分类训练,并随意抽取图片进行鉴别标记物品位置。