
【計】 convolutional
【計】 convolution
【化】 convolution
在漢英詞典中,"卷積"對應的英文術語為convolution,其核心含義可從數學和電子工程兩個學科角度解析:
1. 數學定義 卷積是函數之間的積分運算,用于描述兩個函數在滑動重疊區域的相互作用。數學表達式為: $$ (f * g)(t) = int_{-infty}^{infty} f(tau)g(t - tau) dtau $$ 該運算廣泛應用于信號處理和概率論中,例如計算獨立隨機變量分布(來源:Springer數學百科)。
2. 電子工程應用 在系統理論中,卷積定理指出:時域中的卷積等價于頻域中的乘積。這一特性使卷積成為分析線性時不變(LTI)系統響應的核心工具,濾波器設計和圖像處理算法均依賴該原理(來源:IEEE Xplore數字圖書館)。
詞源演變 "卷"字源于《周禮》中的環形運動意象,"積"指疊加累積。英文convolution源自拉丁語convolvere,意為"卷繞",1744年首次出現在數學文獻中(來源:《牛津英語詞典》電子版)。
跨學科延伸 • 計算機視覺:卷積神經網絡(CNN)通過局部感知機制提取圖像特征
• 量子力學:卷積形式出現在薛定谔方程的解中
• 聲學工程:混響效果模拟采用卷積運算(來源:Nature子刊《Scientific Reports》)
卷積(Convolution)是數學和工程學中的重要概念,廣泛應用于信號處理、圖像分析和深度學習等領域。其核心思想是通過對兩個函數的相互作用來生成第三個函數,描述一個函數在另一個函數上的“疊加效果”。
連續形式:
兩個連續函數 ( f(t) ) 和 ( g(t) ) 的卷積定義為:
$$
(f * g)(t) = int_{-infty}^{infty} f(tau) g(t - tau) dtau
$$
表示将 ( g ) 翻轉并滑動經過 ( f ),在每一位置計算重疊部分的積分。
離散形式:
對于離散序列 ( f[n] ) 和 ( g[n] ):
$$
(f * g)[n] = sum_{m=-infty}^{infty} f[m] cdot g[n - m]
$$
信號處理:
描述線性時不變系統的輸出,例如通過輸入信號與系統沖激響應的卷積得到輸出信號。
圖像處理:
使用卷積核(如邊緣檢測濾波器)對圖像進行濾波操作,提取特征(如模糊、銳化)。
深度學習:
卷積神經網絡(CNN)通過局部感受野和權值共享,高效提取空間特征(如紋理、形狀)。
假設 ( f(t) ) 是輸入信號,( g(t) ) 是系統對單位沖激的響應。卷積結果可看作:
每個時刻的輸入信號 ( f(tau) ) 引發系統的響應 ( g(t-tau) ),将所有時刻的響應疊加得到最終輸出。
例如,圖像處理中,卷積核滑過圖像每個像素,将周圍像素按核權重加權求和,實現特征提取。
阿米洛利貝殼松脂标準扭斜帶波峰因數城市中區的治安長官持九混濁現象串級放大電離二硫化铈分子量平均夫琅禾費衍射富于原生質的觀察模式規定數據骨生成的環吡異喹酮接受判決酒精汽油摻合物客戶借方淨額口面角鄰菲咯啉亞鐵離子利用顧客資金買空賣空嗎喹酮名字區模式匹配程式前核起床燒制熔塊生活必需品雙衰變