cnn卷积原理
基本概念
【cnn卷积原理】卷积实质上就是加权叠加。
卷积的重要的物理意义是：一个函数（如：单位响应h(n)）在另一个函数（如：输入信号x(k)）上的加权叠加。
文章图片
离散卷积公式
根据离散卷积的公式，可以将x[k]视为权重，y[n]即为h[n]周围k个邻居对其影响之和，每个邻居的重要性程度由权重x[k]度量。连续卷积也是一样的道理。
cnn中卷积网络的意义 
文章图片
卷积网络示意图
上图相当于将原图上3*3的图片视为x(n)，与过滤器filter卷积h(n)（将每个像素值加权叠加）计算得到y(n)。y(n)是原图中3*3图片像素值加权叠加的结果，实现图片原始特征的提取。
卷积与傅里叶分析
卷积是h[n]移位不同的k得到的一系列h[n-k]的线性组合；傅里叶分析用的是不同的正弦函数的线性组合。
参考：
- 如何通俗易懂地解释卷积？ - 知乎
推荐阅读
- 做一件事情的基本原理是什么（）
- 【读书笔记】贝叶斯原理
- SG平滑轨迹算法的原理和实现
- “写作宝典”《金字塔原理》之读书笔记
- Spring|Spring 框架之 AOP 原理剖析已经出炉！！！预定的童鞋可以识别下发二维码去看了
- Spring|Spring Boot 自动配置的原理、核心注解以及利用自动配置实现了自定义 Starter 组件
- Vue源码分析—响应式原理(二)
- MYSQL主从同步的实现
- (1)redis集群原理及搭建与使用(1)
- Git学习-笔记摘要