这两个概念之间没有直接关系。但是我们可以找到一些间接的。

根据韦氏词典，

内核意味着中心或重要部分

这暗示了为什么它们被称为“内核”。具体来说，决定“如何测量点-点相似度（又名核函数）”是核方法的核心部分，而决定“哪些数组、矩阵或张量（又名核矩阵）与数据点进行卷积”是卷积神经网络的核心部分。

核函数接收两个数据点，将它们隐式映射到更高的（可能是无限的）维度，然后计算它们的内积。

核矩阵（或数组，或张量）与一个数据点卷积，以将数据点显式映射到通常较低的维度。在这里，我们忽略了过滤器和内核之间的细微差别（过滤器由每个通道一个内核组成）。

因此，这两个概念基于映射到新的表示而间接相关。然而，

• 内核函数隐式映射，但内核矩阵显式映射，
• 内核函数不能相互堆叠（浅层表示），但内核矩阵可以是因为输入和输出（显式表示）具有相同的结构（深层表示），
• map的非线性被集成到核函数中，但是对于核矩阵，我们应该在（输入，核）卷积之后应用一个非线性激活函数来达到类似的非线性，
• 无法为核函数学习隐式表示，一个特定的函数意味着一个特定的表示。然而，对于核矩阵，表示可以通过调整（学习）核的权重来学习，也可以通过将核相互堆叠来丰富。