传统的cnn过滤器是一个泛化的线性模型（GLM），我们认为这GLM的抽象能力是低级别的。把GLM替换为一个更有效的非线性函数近似能够提高抽象能力。当例子是线性可分时，GLM能实现很好的抽象。然而例子很多情况下是线性不可分的，输入的线性函数才能很好地表达。此网络没有采用传统的全连接层，而是采用全局平均池化层。一方面是因为全局平均池化层能很好解释特征映射和类别之间的联系。另一方面，全连接层由于参数太多容易过拟合并且高度依赖dropout regularization，但全局平均池化层本身就是一个结构化的regularizer，他能够天然地阻止过拟合。
原文：http://www.cnblogs.com/ymjyqsx/p/6700685.html