jerrystone
CNN是Cable News Network的英文缩写,即美国有线电视新闻网,成立于1980年。CNN是世界上新闻题道中看羔范用最大的一个它)4小时不间断地播出新闻,每半小时播一次,全天共播48次。CNN全天候对重大新闻进行完整、迅速播报的能力是其他新闻网无法相比的,在新闻报道中,CNN有许多精彩表现,1981年里根总统调刺1986年““挑战者号”宇宙飞船灾难及1987年股市暴跌的报道,使它获得了许多奖项。1987年富有名望的彼伯德奖评判委员会称CNN是“记录的频道”。
梦梦890505
kernel意思:
n. 核心;仁;中心;精髓
一、读音:英 ['kɜːnl];美 ['kɜːrnl]
二、例句:
We must get at the kernel of the problem.
我们必须抓住问题的核心。
三、词汇用法/搭配:
1、kernel sentence 核心句
2、kernel software 核心软件
3、convolution kernel [计] 卷积核
扩展资料:
近义词:core
一、意思:
n. 核心;果心;要点
vt. 挖去果核
二、读音:英 [kɔː(r)];美 [kɔːr]
三、例句:
The core of our appeal is freedom of speech.
我们的要求的核心是言论自由。
四、词汇用法/搭配:
1、get to the core 触及核心
2、hard core 碎砖石,硬果核
阿滋猫波斯猫
科技名词定义中文名称:卷积 英文名称:convolution 定义:数学中关于两个函数的一种无穷积分运算。对于函数f1(t)和f2(t),其卷积表示为:式中:“”为卷积运算符号。 所属学科: 电力(一级学科) ;通论(二级学科) 本内容由全国科学技术名词审定委员会审定公布 百科名片卷积运算图在泛函分析中,卷积(卷积)、旋积或摺积(英语:Convolution)是通过两个函数f 和g 生成第三个函数的一种数学算子,表徵函数f 与经过翻转和平移与g 的重叠部分的累积。如果将参加卷积的一个函数看作区间的指示函数,卷积还可以被看作是“滑动平均”的推广。目录[隐藏]基本内涵定义快速卷积算法多元函数卷积性质卷积定理在群上的卷积应用基本内涵 定义 快速卷积算法 多元函数卷积性质 卷积定理 在群上的卷积 应用 [编辑本段]基本内涵 简单介绍 卷积是分析数学中一种重要的运算。设: f(x),g(x)是R1上的两个可积函数,作积分: 可以证明,关于几乎所有的 ,上述积分是存在的。这样,随着 x 的不同取值,这个积分就定义了一个新函数h(x),称为函数f 与g 的卷积,记为h(x)=(f*g)(x)。容易验证,(f * g)(x) = (g * f)(x),并且(f * g)(x) 仍为可积函数。这就是说,把卷积代替乘法,L1(R1)1空间是一个代数,甚至是巴拿赫代数。 卷积与傅里叶变换有着密切的关系。利用一点性质,即两函数的傅里叶变换的乘积等于它们卷积后的傅里叶变换,能使傅里叶分析中许多问题的处理得到简化。 由卷积得到的函数f*g 一般要比f 和g 都光滑。特别当g 为具有紧支集的光滑函数,f 为局部可积时,它们的卷积f * g 也是光滑函数。利用这一性质,对于任意的可积函数f,都可以简单地构造出一列逼近于f 的光滑函数列fs,这种方法称为函数的光滑化或正则化。 卷积的概念还可以推广到数列、测度以及广义函数上去。[编辑本段]定义 函数f 与g 的卷积记作,它是其中一个函数翻转并平移后与另一个函数的乘积的积分,是一个对平移量的函数。 积分区间取决于f 与g 的定义域。 对于定义在离散域的函数,卷积定义为快速卷积算法 当 是有限长度 N ,需要约 N 次运算。藉由一些快速算法可以降到 O(N log N) 复杂度。 最常见的快速卷积算法是藉由圆周摺积利用快速傅里叶变换。也可藉由其它不包含 FFT 的做法,如数论转换。多元函数卷积 按照翻转、平移、积分的定义,还可以类似的定义多元函数上的积分:[编辑本段]性质 各种卷积算子都满足下列性质: 交换律 结合律 分配律 数乘结合律 其中a为任意实数(或复数)。 微分定理 其中Df 表示f的微分,如果在离散域中则是指差分算子,包括前向差分与后向差分两种: 前向差分: 后向差分:[编辑本段]卷积定理 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。 其中表示f 的傅里叶变换。 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。[编辑本段]在群上的卷积 若G 是有某m测度的群(例如豪斯多夫空间上Harr测度下局部紧致的拓扑群),对于G 上m-勒贝格可积的实数或复数函数f 和g,可定义它们的卷积: 对于这些群上定义的卷积同样可以给出诸如卷积定理等性质,但是这需要对这些群的表示理论以及调和分析的Peter-Weyl定理。[编辑本段]应用 卷积在工程和数学上都有很多应用: 统计学中,加权的滑动平均是一种卷积。 概率论中,两个统计独立变量X与Y的和的概率密度函数是X与Y的概率密度函数的卷积。 声学中,回声可以用源声与一个反映各种反射效应的函数的卷积表示。 电子工程与信号处理中,任一个线性系统的输出都可以通过将输入信号与系统函数(系统的冲激响应)做卷积获得。 物理学中,任何一个线性系统(符合叠加原理)都存在卷积。 卷积是一种线性运算,图像处理中常见的mask运算都是卷积,广泛应用于图像滤波。castlman的书对卷积讲得很详细。 高斯变换就是用高斯函数对图像进行卷积。高斯算子可以直接从离散高斯函数得到: for(i=0; i
PP的猪窝
kernel英[ˈkɜ:nl]美[ˈkɜ:rnl]n.核;核心;要点;谷粒;v.把…包在核内;[例句]Thekernelofthatmessagewasthatpeacemustnotbeasourceofadvantageordisadvantageforanyone.那一信息的核心是和平绝不应该成为对任何人有利或不利的根源。[其他]复数:kernels
打篮球的猫咪
CNN的全称是Convolutional Neural Network,是一种前馈神经网络。由一个或多个卷积层、池化层以及顶部的全连接层组成,在图像处理领域表现出色。本文主要讲解CNN如何在自然语言处理方面的运用。
卷积神经网络主要用于提取卷积对象的局部特征,当卷积对象是自然语言文本时,比如一个句子,此时其局部特征是特定的关键词或关键短语,所以利用卷积神经网络作为特征提取器时相当于词袋模型,表示一个句子中是否出现过特定的关键词或关键短语。用在分类任务上,相当于提取出对于分类最有用的特征信息。
cnn简介:
现在,CNN已经成为众多科学领域的研究热点之一,特别是在模式分类领域,由于该网络避免了对图像的复杂前期预处理,可以直接输入原始图像,因而得到了更为广泛的应用。
在图像处理中,往往把图像表示为像素的向量,比如一个1000×1000的图像,可以表示为一个1000000的向量。在上一节中提到的神经网络中,如果隐含层数目与输入层一样,即也是1000000时。
以上内容参考:百度百科-卷积神经网络
优质英语培训问答知识库