卷积神经网络参数计算公式

I、卷积公式是什么呢?

卷积公式如下：

卷积积分公式为(f*g)∧(x)=(x)·(x)。 我们假设f(x)和g(x)是R1中的两个可积函数，通过积分，可以证明上述积分几乎对于所有x∈(-∞,∞)都存在。

这样，在x的不同值下，这个积分定义了一个新函数h(x)，称为f和g的卷积，写为h(x)=(f*g)（X）。 很容易验证(f*g)(x)=(g*f)(x)且(f*g)(x)仍然是可积函数。

简介：

卷积和傅里叶变换密切相关。 设(x)、(x)表示f和g在L1(R)1中的傅里叶变换，则有以下关系：(f*g)∧(x)=(x)·(x)，即两个函数的傅里叶变换的乘积等于它们的交叉傅里叶变换。 这种关系简化了傅里叶分析中许多问题的处理。

卷积得到的函数(f*g)(x)一般比f和g更平滑。 特别是当g是具有紧支持的平滑函数且f是局部可积时，它们的卷积(f*g)(x)也是平滑函数。 利用这个性质，对于任何可积函数，我们可以简单地构造一个接近于f的平滑函数序列fs(x)。 这种方法称为平滑或平滑函数。