福岛邦彦是一位日本计算机科学家，他于1980年发表的neocognitron被广泛认为是现代卷积神经网络（CNN）的直接概念先驱，而CNN正是当今大多数计算机视觉系统所依赖的架构。
neocognitron
福岛生于1936年，其职业生涯大部分时间在日本NHK科学技术研究实验室度过，之后在包括大阪大学在内的学术机构任职。受David Hubel和Torsten Wiesel关于猫视觉皮层中简单细胞和复杂细胞的神经生理学发现的启发，福岛设计了一种多层神经网络，其中交替排列的特征检测“S细胞”和位置容忍“C细胞”层使网络能够识别手写字符和简单形状，即使输入图像存在小幅位移或变形也能正确识别。这种层级结构，，每一层从下层构建更抽象的特征，并通过池化操作提供一定程度的平移不变性，，预示了后来CNN中使用的卷积与池化设计。
neocognitron采用无监督、逐层的学习规则进行训练，而非端到端的反向传播，后者当时尚未在多层级网络中普及。它无法像后来的架构那样高效训练或扩展到同等规模，但其结构思想被证明具有持久的影响力。
影响
杨立昆多次将neocognitron视为对其LeNet及他在20世纪80年代末至90年代于贝尔实验室开发的更广泛CNN家族的直接影响，尤其是局部感受野和池化的概念。这一脉络贯穿了2012年AlexNet结果中使用的CNN，该结果引发了深度学习的主流转向，并延续至当今现代计算机视觉及部分多模态AI系统所使用的架构中。福岛获得了包括IEEE神经网络先驱奖和2021年鲍尔科学成就奖及奖金在内的多项认可，并且至今仍是该领域最清晰的例证之一，展示生物启发的计算直接塑造了主导性的工程架构，而这一切发生在早期感知机研究中的局限被后来的基于梯度的训练方法完全解决之前。与许多后来在其思想基础上进行研究的学者不同，福岛主要在日本的工业和学术实验室工作，而非产生了该领域后续大多数著名突破的美国大学和企业实验室网络，这一事实在讨论他在专业圈子之外相对有限的公众认可度时经常被提及。