卷积
什么是卷积,对于两个函数 f , h f,h f,h,卷积就是指对这两个函数进行加权平移叠加。
连续域下卷积如下所示:
y ( t ) = ∫ − ∞ ∞ f ( t ′ ) h ( t − t ′ ) d t ′ y(t)=\int_{-\infty}^{\infty}f(t')h(t-t')\ d\ t' y(t)=∫−∞∞f(t′)h(t−t′) d t′
根据上面的式子,我们可以看出 y ( t ) y(t) y(t)由无数个 h ( t ) h(t) h(t)平移加权后叠加得到,平移的距离是 t ′ t' t′,权重是 f ( t ′ ) f(t') f(t′),由于卷积运算具有交换律,所以这两个函数反过来也可以得到同样的结论。
离散域下卷积如下所示:
y ( n ) = ∑ i = − ∞ ∞ f ( i ) h ( n − i ) y(n)=\sum_{i=-\infty}^{\infty}f(i)h(n-i) y(n)=i=−∞∑∞f(i)h(n−i)
这个形式我们也可以得出与连续域中一样的结论。
卷积具有一些很特殊的性质,两个函数卷积的结果的频域信号等于两个函数频域信号的乘积:
F ( y ( t ) ) = F ( f ( t ) ) F ( h ( t ) ) F(y(t))=F(f(t))F(h(t)) F(y(t))=F(f(t))F(h(t))
上式中的 F F F表示傅里叶变换。
图卷积
图傅里叶变换
一个graph由边和节点构成,为了表征这个graph中节点和节点之间的连接情况,一个比较好的选择是正则化拉普拉斯矩阵 L = I − D − 1 2 A D − 1 2 L=I-D^{-\frac{1}{2}}AD^{-\frac{1}{2}} L=I−D−21AD−21,其中 A A A为邻接矩阵,如果节点 i , j i,j i,j相连,则 A i j = 1 A_{ij}=1 Aij=1, D D D为节点的度的矩阵, D D D是一个对角矩阵