卷积?
信号处理
深度学习
f和g的卷积就可以看作是对f的加权求和。
对应到不同方面,卷积可以有不同的解释:g 既可以看作我们在深度学习里常说的核(Kernel),也可以对应到信号处理中的滤波器(Filter)。
而 f可以是我们所说的机器学习中的特征(Feature),也可以是信号处理中的信号(Signal)。
f和g的卷积就可以看作是对𝑓的加权求和。
上面两个动图就分别对应信号处理与深度学习中卷积操作的过程[9][10]。
随心随我
对应到不同方面,卷积可以有不同的解释:g 既可以看作我们在深度学习里常说的核(Kernel),也可以对应到信号处理中的滤波器(Filter)。
而 f可以是我们所说的机器学习中的特征(Feature),也可以是信号处理中的信号(Signal)。
f和g的卷积就可以看作是对𝑓的加权求和。
上面两个动图就分别对应信号处理与深度学习中卷积操作的过程[9][10]。