卷积神经网络(CNN)的灵感来源于:A. 猫的听觉皮层B. 猫的视觉皮层C. 狗的视觉皮层D. 老鼠的视觉皮层

考查要点：本题主要考查学生对卷积神经网络（CNN）发展背景的了解，特别是其生物学灵感来源。

解题核心：关键在于回忆CNN的设计灵感来源于动物视觉皮层的研究，尤其是Hubel和Wiesel对猫视觉皮层的实验发现。这些实验揭示了视觉皮层中神经元的局部感受野和权值共享特性，成为CNN核心结构（如卷积层、池化层）的理论基础。

破题关键：明确区分选项中动物种类与感官类型，排除听觉相关选项（A），并锁定视觉皮层研究的直接来源——猫的视觉皮层（B）。

卷积神经网络（CNN）是一种广泛应用于图像识别的深度学习模型，其设计灵感来源于生物视觉系统。20世纪60年代，Hubel和Wiesel通过研究猫的视觉皮层，发现以下关键特性：

1. 局部感受野：神经元仅对视野中特定区域的刺激响应。
2. 权值共享：相邻神经元可共享部分连接权重，减少参数量。
3. 位置不变性：神经元对目标位置的微小变化具有鲁棒性。

这些特性被直接映射到CNN的卷积层（局部感受野、共享权重）和池化层（位置不变性）中。选项中只有猫的视觉皮层（B）与上述研究直接相关，其他选项或动物类型、或感官类型均不符合。