امروزه موضوع یادگیری عمیق با پیشرفت موفقیت آمیز شبکه‌های پیچشی و یادگیری بهینه‌ی لایه‌های شبکه، مورد اهمیت واقع شده است. در این مقاله یک الگوریتم پیش‌پردازش با الهام از ماتریس عدم تشابه بازنمایی مغز برگرفته از مسیر بینایی ارائه گردیده که با تعریف تابع RDM و ایجاد تنکی کمک می‌کند تا وزنهای CNN سریع‌تر همگرا شود. این پارامتر جدید شتاب دهنده یا کاتالیزور فرایند آموزش CNN با افزایش تعداد صفرهای ماتریس عدم تشابه بازنمایی می باشد. میزان نرخ بازشناسی برای داده‌های دو گروهه و سه گروهه و میزان نرخ بازشناسی در زیرمجموعه‌هایی از مجموعه داده کلتک 256 مورد تحلیل و بررسی قرار گرفت که میزان بهبود مدل پیشنهادی 4 درصد نسبت به مدل پایه ارزیابی گردید. همچنین مقایسه مدل پیش پردازش پیشنهادی با مدلهای مرجع در حیطه‌ی پارامترهای ارزیابی بررسی گردید. پرونده مقاله