卷积神经网络中，ReLU激活函数的主要作用是：（ ）A. 提取图像频域特征B. 引入非线性并抑制负值响应C. 生成概率分布输出D. 实现特征降维

ReLU激活函数是卷积神经网络中常用的非线性激活函数，其核心作用在于引入非线性，使模型能够学习复杂模式。此外，ReLU通过将负数输入置零，抑制负值响应，从而加速训练并缓解梯度消失问题。本题需明确区分不同激活函数的功能，避免混淆频域特征、概率输出等其他概念。

选项分析

A. 提取图像频域特征
频域特征通常与傅里叶变换或特定滤波器相关，而非ReLU本身的功能。ReLU仅负责非线性变换，不直接处理频域信息。

B. 引入非线性并抑制负值响应
正确。ReLU通过$f(x)=\max(0,x)$引入非线性（打破线性叠加），同时将负值置零，减少神经元的激活强度，加速收敛。

C. 生成概率分布输出
此功能通常由Softmax等归一化函数实现，而非ReLU。ReLU输出非负实数，不保证概率分布。

D. 实现特征降维
特征降维需通过矩阵分解（如PCA）或自编码器等方法，与激活函数无关。