本研究提出了一种新型高阶卷积机制，克服了传统卷积神经网络在图像分类中的局限性。该方法在多个数据集上表现优异，展示了不同卷积阶数处理视觉信息的独特特征，具有重要的生物启发意义和应用潜力。

本研究引入了FovEx方法，通过生物启发的扰动和基于梯度的视觉探索，高效解释模型在不同体系结构中的多功能性。

本文提出了一种生物启发的权重初始化方案，通过实验分析证明其可以提高深度卷积神经网络的准确性，展示了生物启发型计算模型在改善卷积网络效果方面的潜力。