【机器学习与深度学习理论要点】24. 什么是卷积、池化，及卷积、池化的作用？
1）什么是卷积函数？
卷积函数是指一个函数和另一个函数在某一个纬度上的加权“叠加”作用，其表达式为：
s
(
t
)
=
∫
−
∞
+
∞
f
(
a
)
∗
g
(
t
−
a
)
d
a
s(t) = \int ^{+\infty}_{-\infty}f(a)*g(t-a)da
s(t)=∫−∞+∞f(a)∗g(t−a)da
离散化卷积函数表示为：
s
(
t
)
=
f
(
t
)
∗
g
(
t
)
=
∑
n
=
−
∞
∞
f
(
a
)
g
(
t
−
a
)
s(t) = f(t)*g(t) = \sum_{n=-\infty}^{\infty}f(a)g(t-a)
s(t)=f(t)∗g(t)=n=−∞∑∞f(a)g(t−a)
2) 二维卷积运算中，输出矩阵大小与输入矩阵、卷积核大小、步幅、填充的关系？
O
H
=
H
+
2
P
−
F
H
s
+
1
O
W
=
W
+
2
P
−
F
W
S
+
1
OH = \frac{H+2P-FH}{s} + 1\\ OW = \frac{W+2P-FW}{S} + 1
OH=sH+2P−FH+1OW=SW+2P−FW+1
- 什么是池化，池化层的作用？
池化也称为下采样，目的是缩小高、长反向上的空间运算，以降低计算量，提高泛化能力。
4）池化层有哪些特征
- 没有要学习的参数
- 通道数不发生变化
- 对微小的变化具有鲁棒性
