i表示第i個核在位置（x,y）運用激活函數ReLU後的輸出，n是同一位置上臨近的kernal map的數目，N是kernal的總數。參數K,n,alpha，belta都是超參數，一般設置k=2,n=5,aloha=1*e-4,beta=0.75。
Local Response Nomalization在CNN中設計是什麼意圖？
LRN和LCN都 是爲了引入局部競爭機制，個人理解是：在相鄰卷積核生成的feature map之間引入競爭，從而有些本來在feature map中顯著的特徵在A中更顯著，而在相鄰的其他feature map中被抑制，這樣讓不同卷積核產生的feature map之間的相關性變小。
參考資料
【深度學習技術】LRN 局部響應歸一化
深度學習的局部響應歸一化LRN(Local Response Normalization)理解