导读
LeNet-5 及相关工作把卷积、共享权重、梯度训练整合为稳定视觉架构。后来的 AlexNet、生成模型中的卷积编码器和视觉特征提取都承接这一传统。
查看大图 ↗1998 年《Gradient-Based Learning Applied to Document Recognition》作者预印本的图 2：LeNet-5 网络结构。
Yann LeCun; Léon Bottou; Yoshua Bengio; Patrick Haffner · 原始图像与文献权利归各自权利人
资料出处 · Gradient-Based Learning Applied to Document Recognition ↗档案研究说明
从手工特征转向通过训练学习识别。
ANTI-AI ARCHIVE · 修订 2026-10-02
研究方法与具体变化
LeCun、Bottou、Bengio和Haffner的论文把梯度学习与文档识别联系起来，讨论多层网络和卷积结构如何从图像输入学习分类。手写数字等任务使不同系统可以比较，但识别数字与生成一幅作品是不同任务；本条不把识别准确率当作艺术能力。
本节依据: 基于梯度学习的文档识别：资料依据
在艺术史中的位置
视觉计算的历史因此也包括读取、分类和整理图像的基础设施。后来生成系统使用视觉表征，并不意味着这篇论文已经提出了所有后来的生成方法。把识别与生成分开，有助于说明图像在训练、评价和输出阶段承担的不同角色。
本节依据: 基于梯度学习的文档识别：资料依据
正文引用资料
核对作者论文目录及研究母版的方法摘要；没有复现识别实验。
本篇按引用范围扩写档案说明；研究解释不应被理解为原作者的自述或已证实的因果影响。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
比较本条与感知机之间的制作方法、控制方式或展示语境。
比较本条与ImageNet 大规模视觉识别挑战赛之间的制作方法、控制方式或展示语境。
日期与版本记录
节点标注日期：1998 · 来源记录的历史日期：1998
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
Gradient-Based Learning Applied to Document Recognition
https://doi.org/10.1109/5.726791
当前引用地址
出处、翻译与核验状态
主线节点 #064 · 历史节点
研究资料与补充出处 · 1
AI 艺术谱系研究母版 · p. 13 · 036
原记日期: 1998
基于梯度学习的文档识别 ↗
Gradient-Based Learning Applied to Document Recognition
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. 基于梯度学习的文档识别. 艺术史节点 #064. https://salondesrefuses.cn/zh/art-history/036
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。