卷积的物理含义
来源:互联网 发布:linux 重启ssh 编辑:程序博客网 时间:2024/05/19 15:25
这几天看了几本中文教材,几本英文教材,深感概率论是一门跨度非常大,涉及数学面很广且理论很深的学科。本科时学的知识完全只是九牛一毛,但目前我也只能复述一些基本的本科内容,再附上点我个人的拙劣见解,权当用于给自己复习的『知识框架』了。
本来想总结一些典型的连续随机变量分布的分布函数、密度函数以及它们之间的转化关系,但看到卷积的知识后觉得这个从本科就开始的老大难问题一直困扰着大家,困难主要来源于公式的抽象,所以今天先用一些实际的例子从直观上理解一下卷积,因为再概率论和信号处理乃至今天的模式识别中,卷积都是大量存在的一种运算,现在deep learning的主要network也是卷积神经网络cnn(但cnn中的这个卷积概念其实很简单,至少从形式上看是这样的。)
1.关于卷积
本科时第一次接触卷积是在复变里,书里给的公式很是抽象:
乍一看这是两个函数乘积之后在
首先先说一句卷积的本质:卷积就是一种加权求和,即:
有一个核废料装填池,机器人在每天的一个固定时间点都要向这个池子装填一定量的未经衰变的废料(一次性瞬间装入),
我们先考虑第一天装填后,第二天装填前,辐射量的大小。第一天装填的量是
现在我们考虑第二天装填后,第三天装填前池子中的辐射总量:第二天填入的废料量为
根据这两步简单的计算,我们可以总结出第
用语言来叙述它的物理意义就是:每一天填入的核子废料在第n天有着不同的衰变,早填入的衰变多,晚填入的衰变少。所以在第n天时,不是同时加入的核废料对最后总辐射量的『贡献』不同,
如果我们不是每天加入,而是每
现在我们把它连续化,假设这个机器人不是『离散』地把废料加入,而是『连续』地加入,求和就变为了积分,
卷积有很多独特的性质,在信号处理中,一个信号
在概率论中,每个随机变量服从的分布函数都有一个特征函数与之对应,特征函数就是分布函数由傅里叶变换等变换得到的。n个独立随机变量的和也是一个随机变量,这个随机变量的分布函数是由之前n个随机变量的分布函数做卷积得到,概率密度函数也是之前n个随机变量的概率密度卷积得到的。将这个分布函数做特征变换,得到的是之前n个随机变量的特征函数的乘积。卡方分布就是n个互相独立的服从高斯分布的随机变量的平方和。其实高斯分布的平方是伽马分布,所以服从卡方分布的随机变量也是n个独立的服从伽马分布的随机变量的和。与概率论结合的部分先就写写结论,具体的推到有空再总结吧。有一些细节还是没有解决好。
- 卷积的物理含义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的物理意义
- 卷积的含义
- Linux下Redis服务器安装配置教程
- 仿照微信朋友缩略图实现
- 二叉树的定义与遍历
- as加载工程卡在Gradle:Resolve dependencies'app:debugCompile'
- kafka系列教程2(设计构造及原理1)
- 卷积的物理含义
- 机房重构:三层到七层
- gcc 编译器常用的命令行参数一览
- 认识HTML5的WebSocket
- Oracle12c(12.1)中性能优化&功能增强之通过参数THREADED_EXECTION使用多线程模型
- lua与c交互
- 云栖社区12篇实战经验所组成的“近战”系列分享
- kafka系列教程1(kafka简介)
- UnitTest++ 学习笔记