摘要： 在此之前，我们已经学习了前馈网络的两种结构——多层感知器和卷积神经网络，这两种结构有一个特点，就是假设输入是一个独立的没有上下文联系的单位，比如输入是一张图片，网络识别是狗还是猫。但是对于一些有明显的上下文特征的序列化输入，比如预测视频中下一帧的播放内容，那么很明显这样的输出必须依赖以前的输入， 也 阅读全文

摘要： 引言 递归神经网络是一类人工神经网络，可用于识别诸如文本、基因组、手写字迹、语音等序列数据的模式，也可用于识别传感器、股票市场、政府机构产生的数值型时间序列数据。递归网络可以说是最强大的神经网络，甚至可以将图像分解为一系列图像块，作为序列加以处理。由于递归网络拥有一种特定的记忆模式，而记忆也是人类的 阅读全文

摘要： 其实这篇文章主要讨论为何向量叉积这样定义，标题是为了吸引人，让更多有同样疑惑的人搜到。 记得上大学时的第一节课是《空间解析几何》，和大多数的教材一样，开篇就是向量点积和叉积的定义。点积的定义很好理解 ，a·b（为了讨论方便，之后都假设b为单位向量）可以看成向量a在向量b方向上的投影长度。 （图1） 阅读全文

摘要： 向量是由n个实数组成的一个n行1列（n*1）或一个1行n列（1*n）的有序数组； 向量的点乘,也叫向量的内积、数量积，对两个向量执行点乘运算，就是对这两个向量对应位一一相乘之后求和的操作，点乘的结果是一个标量。 点乘公式 对于向量a和向量b： a和b的点积公式为： 要求一维向量a和向量b的行列数相同 阅读全文

摘要： 上1小节中我们介绍了函数项级数的概念，这1节我们来讨论函数项级数的性质。傅立叶级数是1种函数项（3角函数）级数，本质上来讲，1幅图象（或1组信号）就是1个函数，我们研究图象的傅立叶变换，就是要探讨如何将图象函数用3角函数进行展开。所以如果要完全弄清楚傅里叶变换，那末讨论函数项级数的性质是非常有必要的 阅读全文

摘要： 1.4 傅立叶级数展开 之前我们在介绍泰勒展开式的时候提到过傅立叶级数。利用傅立叶级数对函数进行展开相比于泰勒展开式，会具有更好的整体逼近性，而且对函数的光滑性也不再有刻薄的要求。傅立叶级数是傅立叶变换的基础，傅立叶变换是数字信号处理（特别是图象处理）中非常重要的1种手段。遗憾的是，很多人读者其实不 阅读全文

摘要： 这一系列的文章中间中断了很久，很多朋友也留言希望我继续连载完，遂“重拾旧河山”，希望如果有时间能够把它做完。 本节我们介绍欧拉公式，它是复变函数中非常重要的一个定理，同时对于傅立叶变换的理解也必不可少。我们在高等数学里学习的傅立叶级数通常都是用三角函数形式表示的，而傅立叶变换中的一般都是用幂指数形式 阅读全文

摘要： 特别说明：本系列文章已经与图像处理中的数学原理详解系列文章合并，现在傅立叶变换的部分已经基本介绍完毕。可以参考总目录 图像处理中的数学原理详解 http://blog.csdn.NET/baimafujinji/article/details/48467225 以及已经整理完毕并发布的部分目录 图像 阅读全文

摘要： 书接上文，本文章是该系列的第二篇，按照总纲中给出的框架，本节介绍三个中值定理，包括它们的证明及几何意义。这三个中值定理是高等数学中非常基础的部分，如果读者对于高数的内容已经非常了解，大可跳过此部分。当然如果你需要对傅里叶变换有一个更深刻的认识，或者说从数学角度一点一滴完全搞懂它，为了体系的完整性，这 阅读全文

摘要： 无论是学习信号处理，还是做图像、音视频处理方面的研究，你永远避不开的一个内容，就是傅里叶变换和小波。但是这两个东西其实并不容易弄懂，或者说其实是非常抽象和晦涩的！ 完全搞懂傅里叶变换和小波，你至少需要知道哪些预备知识？主页君从今天开始就将通过一些列文章告诉你他们之间的来龙去脉！本节是全部系列文章的第 阅读全文