首页 > 代码库 > 卷积的概念和公式
卷积的概念和公式
卷积公式
卷积概念
卷积(Convolution)是通过两个函数f(t)和g(t)生成第三个函数的一种数学算子，表征函数f(t)与g(t)经过翻转和平移的重叠部分的面积。
在卷积神经网络中会用卷积函数表示重叠部分，这个重叠部分的面积就是特征
f(t)与g(t)的卷积公式为：
f(t)?g(t)=∫t0f(u)g(t?u)du(1)
f(t)与g(t)的拉普拉斯变换结果为：
{F(s)=∫∞0e?stf(t)dtG(s)=∫∞0e?stg(t)dt(2)
卷积公式与拉普拉斯变换结果的关系为：
F(s)G(s)=∫∞0e?st(f(t)?g(t))dt(3)
公式(3)对卷积的傅里叶变换同样适用。
卷积示例
示例1：f(t)与1的卷积
f(t)?1=∫t0f(u)du(4)
示例2：t2与t的卷积
t2?t=∫t0u2(t?u)du=[13u3t?14u4]|t0=112t4(5)
此外，t2与t的拉式变换为：
{F(s)=L(t2)=2!s3G(s)=L(t)=1!s2(6)
所以：
{F(s)G(s)=2s5L?1(F(s)G(s))=112t4(7)
示例2验证了公式(3)的正确性。
[知乎：卷积的物理意义]
卷积的概念和公式
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。