【机器学习与深度学习理论要点】24. 什么是卷积、池化，及卷积、池化的作用？

1）什么是卷积函数？

卷积函数是指一个函数和另一个函数在某一个纬度上的加权“叠加”作用，其表达式为： s ( t ) = ∫ − ∞ + ∞ f ( a ) ∗ g ( t − a ) d a s(t) = \int ^{+\infty}_{-\infty}f(a)*g(t-a)da s(t)=∫−∞+∞​f(a)∗g(t−a)da 离散化卷积函数表示为： s ( t ) = f ( t ) ∗ g ( t ) = ∑ n = − ∞ ∞ f ( a ) g ( t − a ) s(t) = f(t)*g(t) = \sum_{n=-\infty}^{\infty}f(a)g(t-a) s(t)=f(t)∗g(t)=n=−∞∑∞​f(a)g(t−a) 2) 二维卷积运算中，输出矩阵大小与输入矩阵、卷积核大小、步幅、填充的关系？ O H = H + 2 P − F H s + 1 O W = W + 2 P − F W S + 1 OH = \frac{H+2P-FH}{s} + 1\\ OW = \frac{W+2P-FW}{S} + 1 OH=sH+2P−FH​+1OW=SW+2P−FW​+1

池化也称为下采样，目的是缩小高、长反向上的空间运算，以降低计算量，提高泛化能力。

4）池化层有哪些特征

作者：YEGE 欢迎任何形式的转载，但请务必注明出处。限于本人水平，如果文章和代码有表述不当之处，还请不吝赐教。