捕捉長(zhǎng)期信息是循環(huán)網(wǎng)絡(luò)擅長(zhǎng)的

關(guān)于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）的優(yōu)點(diǎn)，以下是每個(gè)選項(xiàng)的分析：

A: 參數(shù)共享
- 這是CNN的一個(gè)重要優(yōu)點(diǎn)。卷積層中的濾波器（或卷積核）在整個(gè)輸入圖像上共享參數(shù)，這減少了模型的參數(shù)數(shù)量，提高了訓(xùn)練效率。

B: 捕捉長(zhǎng)期信息
- 這不是CNN的優(yōu)點(diǎn)。CNN主要擅長(zhǎng)捕捉局部特征和短期依賴信息。捕捉長(zhǎng)期信息通常需要使用遞歸神經(jīng)網(wǎng)絡(luò)（RNN）或長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）等模型。

C: 稀疏交互
- 這是CNN的一個(gè)優(yōu)點(diǎn)。在卷積操作中，每個(gè)輸出節(jié)點(diǎn)只與輸入圖像的一小部分區(qū)域（感受野）相關(guān)聯(lián)，這減少了計(jì)算復(fù)雜度。

D: 平移等價(jià)性
- 這是CNN的另一個(gè)優(yōu)點(diǎn)。卷積操作具有平移等價(jià)性，即當(dāng)輸入圖像發(fā)生平移時(shí)，輸出特征圖也會(huì)相應(yīng)平移，這有助于模型在處理圖像時(shí)具有更好的魯棒性。

綜上所述，選項(xiàng)B（捕捉長(zhǎng)期信息）是不正確的。CNN并不擅長(zhǎng)捕捉長(zhǎng)期信息，它主要用于提取局部特征和處理圖像數(shù)據(jù)。