捕捉长期信息是循环网络擅长的

关于卷积神经网络（Convolutional Neural Networks, CNN）的优点，以下是每个选项的分析：

A: 参数共享
- 这是CNN的一个重要优点。卷积层中的滤波器（或卷积核）在整个输入图像上共享参数，这减少了模型的参数数量，提高了训练效率。

B: 捕捉长期信息
- 这不是CNN的优点。CNN主要擅长捕捉局部特征和短期依赖信息。捕捉长期信息通常需要使用递归神经网络（RNN）或长短期记忆网络（LSTM）等模型。

C: 稀疏交互
- 这是CNN的一个优点。在卷积操作中，每个输出节点只与输入图像的一小部分区域（感受野）相关联，这减少了计算复杂度。

D: 平移等价性
- 这是CNN的另一个优点。卷积操作具有平移等价性，即当输入图像发生平移时，输出特征图也会相应平移，这有助于模型在处理图像时具有更好的鲁棒性。

综上所述，选项B（捕捉长期信息）是不正确的。CNN并不擅长捕捉长期信息，它主要用于提取局部特征和处理图像数据。