機器學習中的卷積

卷積層（Convolutional layer），卷積神經網絡中每層卷積層由若干卷積單元組成，每個卷積單元的參數都是通過反向傳播算法優化得到的。卷積運算的目的是提取輸入的不同特徵，第一層卷積層可能只能提取一些低級的特徵如邊緣、線條和角等層級，更多層的網絡能從低級特徵中迭代提取更復雜的特徵。 在泛函分析中，卷積、疊積、摺積或旋積，是通過兩個函數f和g生成第三個函數的一種數學算子，表徵函數f與經過翻轉

>>阅读原文<<