卷积算法
来源:互联网 发布:java override 报错 编辑:程序博客网 时间:2024/06/06 09:57
卷积定理指出,函数卷积的傅里叶变换是函数傅里叶变换的乘积。即,一个域中的卷积相当于另一个域中的乘积,例如时域中的卷积就对应于频域中的乘积。
F(g(x)*f(x)) = F(g(x))F(f(x))其中F表示的是傅里叶变换。
这一定理对拉普拉斯变换、双边拉普拉斯变换、Z变换、Mellin变换和Hartley变换(参见Mellin inversion theorem)等各种傅里叶变换的变体同样成立。在调和分析中还可以推广到在局部紧致的阿贝尔群上定义的傅里叶变换。
F(g(x)*f(x)) = F(g(x))F(f(x))其中F表示的是傅里叶变换。
这一定理对拉普拉斯变换、双边拉普拉斯变换、Z变换、Mellin变换和Hartley变换(参见Mellin inversion theorem)等各种傅里叶变换的变体同样成立。在调和分析中还可以推广到在局部紧致的阿贝尔群上定义的傅里叶变换。
利用卷积定理可以简化卷积的运算量。对于长度为n的序列,按照卷积的定义进行计算,需要做2n- 1组对位乘法,其计算复杂度为;而利用傅里叶变换将序列变换到频域上后,只需要一组对位乘法,利用傅里叶变换的快速算法之后,总的计算复杂度为。这一结果可以在快速乘法计算中得到应用。
其基本的计算理论为:没n个数据为一组然后向前平移一位。在取n个数据进行计算。
0 0
- 卷积算法
- 卷积算法
- 反卷积算法
- 卷积神经网络算法汇总
- 图像卷积算法
- 卷积神经网络训练算法
- 卷积神经网络算法
- 卷积神经网络算法
- DSP卷积算法
- 卷积神经网络算法
- 卷积神经网络BP算法推导
- 矩阵卷积的快速算法
- 卷积神经网络反向推导算法
- 卷积神经网络反向传播算法
- 深度学习算法--卷积神经网络
- 卷积神经网络算法的实现
- neon优化二维卷积算法
- 卷积神经网络(二):卷积神经网络CNN的BP算法
- activiti工作流的web流程设计器整合视频教程 SSM和独立部署
- net/c# 微信企业号 userid转换成openid接口
- CentOS7.0源代码安装GTK+3.22.7
- Oracle trunc()函数的用法
- .NET框架- in ,out, ref , paras的使用总结
- 卷积算法
- ubuntu下maven3.3.9的安装
- 屏幕适配
- 对象拷贝
- pip批量更新模块
- HTTP协议详解
- hadoop fs 命令使用
- xcode8打包ipa文件,上传成功,但是iTunes Connect不显示构建版本
- webservice--WSDL