卷积公式的由来

卷积公式最开始来自于古典概型。

如题,掷两次公平的骰子,点数之和等于8的概率。

设随机变量

为第一次掷得的点数,随机变量
为第二次掷得的点数。因此不考虑点数之和等于8的条件,则有
种样本空间。根据条件
, 相当于给随机变量的取值限定了范围。设掷骰子的概率密度函数为
, 则该事件的概率为

将该例子拓展到连续型随机变量。

是二维连续型随机变量,它具有概率密度
.
, 求
的概率。

同理

由此可得卷积公式:

离散随机变量的卷积公式

连续随机变量的卷积公式

可得随机变量和的概率密度函数等于随机变量概率密度函数的卷积

卷积公式在信号系统中的应用

卷积公式在信号处理领域最重要的应用来自于,两个信号时域上的卷积运算的傅立叶变换等于两个信号在频域上的相乘。

我们可以利用这个性质进行信号滤波。比如在频域中我们将任意信号与门信号相乘,相当于将高次谐波分量给剔除掉了,这也叫做低通滤波平滑了信号。

图片来自互联网

而保留曲线边缘的滤波又称高通滤波,这一特征可以用来边缘检测 [1]。

中心极限定理的证明

在生活中,许多随机变量由许多随机因素综合影响,那么随机变量和的分布服从高斯分布 [2]。

首先,设随机变量

相互独立,
,
并服从同一概率密度函数

因为随机变量和的概率密度等于随机变量概率密度的卷积 [2]。

, 则
的均值为
,标准差为

将随机变量标准化

,得

将概率密度函数求傅立叶变换得

傅立叶逆变换求的随机变量和的概率密度函数

可见,大量独立同分布的随机变量之和服从高斯分布。

此外,证明中心极限定理的过程可以用来引出随机变量的特征函数或矩量母函数。

特征函数与矩量母函数

由定义得

由定义可以看出随机变量的特征函数是随机变量的共轭傅立叶变换。

并且特征函数的第

项是随机变量
的第
中心矩
。拓展下随机变量的中心矩代表了随机变量的数字特征。从母函数可以看出随机变量的概率密度函数可以有中心矩的组合来表示。

另外特征函数还有一个重要的性质

这个性质同样可以用来证明中心极限定理(独立同分布)。

证明过程同上中心极限定理证明。

此外提一下矩量母函数。

因和特征函数差不多,故不详细介绍。

卷积与卷积核

在图像处理中,用的最多的是卷积核。从名字上就能看出与卷积公式有必然联系。

从上面的动图看卷积核的运算,好像和之前推导的公式有出入

因为,一般

卷积核运算只需要加权求和就行

而卷积公式是倒过来加权求和。

其实很简单,一般卷积核是已经将卷积核处理过,即已翻转

。所以本质上,图像处理中的卷积核运算也是卷积公式的应用,卷积公式的另一层意义也在于两个函数的加权求和。

参考文献

[1] TaigaComplex. 2015. [傅立叶变换及其应用学习笔记] 十. 卷积与中心极限定理. Retrieved September 23, 2019 from https://www.cnblogs.com/TaigaCon/p/5014957.html.

[2] 盛骤, 谢式千, 潘承毅. 2008. 概率论与数理统计.

[3] Yuval Filmus. 2010. Two Proofs of the Central Limit Theorem. Retrieved September 23, 2019 from http://www.cs.toronto.edu/~yuvalf/CLT.pdf.

门函数卷积_卷积及其应用相关推荐

  1. c语言实现图片卷积_卷积神经网络(CNN)Python的底层实现——以LeNet为例

    本文介绍了如何使用Python从底层实现一个简单但经典的卷积神经网络结构--LeNet,并用它完成MNIST手写数字识别任务. 具体的完整代码以及代码的使用方法,可以光顾我的Github Profes ...

  2. python 图像卷积_[卷积神经网络(CNN)中的卷积核到底是如何提取图像特征的(python实现图像卷积运算)]...

    1.前言 我们知道,卷积核(也叫滤波器矩阵)在卷积神经网络中具有非常重要的作用.说白了,CNN主要作用在于提取图像的各种特征图(feature maps). CNN主要是通过卷积运算来完成特征提取的. ...

  3. 狄利克雷卷积_积性函数和狄利克雷卷积小结

    1.积性函数:对于函数$f(n)$,若满足对任意互质的数字a,b,a*b=n且$f(n)=f(a)f(b)$,那么称函数f为积性函数.显然f(1)=1. 2.狄利克雷卷积:对于函数f,g,定义它们的卷 ...

  4. sinc函数卷积_从采样点到声音:sinc函数和卷积

    前言 自从接触到数字信号,特别是采样定理之后,我就一直非常好奇一个问题:两个相邻的采样点之间,要以什么样的形式,怎么样连接起来? 因为正弦波才是频率最单一的波形,如果两个采样点直接用直线连接(变成了三 ...

  5. sinc函数卷积_单位冲击函数卷积.ppt

    单位冲击函数卷积 §0-2 单位冲击函数 d -Function 一.定义 §0-2单位冲击函数 d -Function 一.定义 (续) 定义3: 设任意函数f(x)在x = 0点连续, 则 §0- ...

  6. alexnet训练多久收敛_卷积神经网络之AlexNet

    由于受到计算机性能的影响,虽然LeNet在图像分类中取得了较好的成绩,但是并没有引起很多的关注. 知道2012年,Alex等人提出的AlexNet网络在ImageNet大赛上以远超第二名的成绩夺冠,卷 ...

  7. 请概述可视化卷积神经网络的中间输出的基本思想。_卷积神经网络为什么能称霸计算机视觉领域?...

    其它机器学习.深度学习算法的全面系统讲解可以阅读<机器学习-原理.算法与应用>,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造. 书的购买链接 书的勘误,优化,源代码资源 导言 在 ...

  8. 积性函数与Dirichlet卷积 学习小记

    前言 首先感谢 XHM 大佬的悉心指导,我懂得了不少~. 链一下他关于这方面的见解.博客--XHM 的Dirichlet卷积 学习小记 一些定义 回归正题,这次我学习了一下狄利克雷卷积方面的知识. 先 ...

  9. 时域上的乘积等于频域上的卷积_时频域分析的一些常用概念补充(线性时不变系统、卷积、冲激响应、窗函数等)...

    在时频域分析中,需要先铺垫几个概念.分别是相加性.齐次性.时不变.卷积.冲击响应.下述内容将尽量通俗易懂,减少公式堆砌,可能会有不严谨之处. 1.相加性和齐次性 由于这两个概念是线性系统必须满足的两个 ...

  10. 狄利克雷卷积_狄利克雷卷积莫比乌斯反演总结

    狄利克雷卷积&莫比乌斯反演总结 Prepare 1.\([P]\)表示当\(P\)为真时\([P]\)为\(1\),否则为\(0\). 2.\(a|b\)指\(b\)被\(a\)整除. 3.一 ...

最新文章

  1. 2021入坑图像分割,我该从哪儿入手?
  2. c语言计算pi后1000位,计算圆周率 Pi (π)值, 精确到小数点后 10000 位
  3. ant编译重设property的值
  4. WebSocket 的通信机制
  5. 看阿里云如何用云上技术创新,帮助哈啰单车实现智能数据收治
  6. 编程零基础做程序员,该怎么学习?首先要学习什么?
  7. java几种集合遍历速度对比
  8. Entity Framework 小知识(一)
  9. 云计算发展和容器息息相关丨阿里云、腾讯云争相抢镜【软件网每日新闻播报│第10-25期】
  10. matlab小波分析工具箱,matlab小波分析工具箱
  11. petalinux 建立工程两种方式
  12. 2018网易互娱笔试题-手势锁
  13. 徐小明:这次我支持房产新政
  14. php版本微信公众号开发
  15. http://blog.csdn.net/lnb333666/article/details/8546497
  16. linux speedtest-cli工具测试网络带宽、测试网速(下载速度、上传速度和延迟等信息)
  17. 数据库范式——(1NF,2NF,3NF,BCNF,含实例分析)
  18. 亿图图示---信息图和数据库模型图
  19. 三国群雄传ol服务器 修改,三国群雄传四大兵营进阶改造攻略详解
  20. 163VIP邮箱如何注册?163VIP企业邮箱申请介绍!

热门文章

  1. vmware workstation 使用桥接网络 上网
  2. OutMan——Foundation框架中的集合类(三)
  3. 移动硬盘 RAW修复
  4. 技术部岗位职责——技术总监
  5. php 解析lrc文件格式,前端LRC歌词解析播放插件
  6. Latex/CTex/WinEdt常见错误“! Improper alphabetic constant.”
  7. Android Camera聚焦区域和测光区域的设置
  8. linux文件加解密,linux 系统下对文件进行加解密的方法参考总结
  9. 关于一维数组(小朋友都能明白的一维数组超详细介绍)
  10. pe怎么看计算机mac地址,在winPE下肿么看MAC地址 急求!!!