给出卷积神经网络卷积层的公式

卷积神经网络的卷积层公式如下：

$$z_{i,j,k}=\sum_{l=1}^{N_l}\sum_{m=1}^{F}\sum_{n=1}^{F}w_{m,n,l,k}a_{(i-1)s+m,(j-1)s+n,l}+b_k$$

其中，$z_{i,j,k}$ 表示第 $k$ 个卷积核作用于矩阵 $A$ 时得到的输出矩阵中的第 $(i,j)$ 个元素；$w_{m,n,l,k}$ 表示第 $k$ 个卷积核中位于第 $l$ 层、尺寸为 $F \times F$ 的权重矩阵中的第 $(m,n)$ 个元素；$a$ 表示输入矩阵；$b_k$ 表示偏置参数。$N_l$ 表示输入矩阵的通道数；$F$ 表示卷积核的大小；$s$ 表示卷积操作的步长。