图卷积神经网络模型----GCN

最新推荐文章于 2023-05-30 20:59:08 发布

VIP文章 s_nan

最新推荐文章于 2023-05-30 20:59:08 发布

阅读量2k

点赞数

文章标签：神经网络卷积

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/s_nan/article/details/108307261

版权

一、傅里叶变换与拉普拉斯变换

傅里叶变换是一种线性的积分变换，这种变换是从时间转换为频率的变换或其相互转换。（原因：我们将信号分解为频域里各种不同频率的信号，又由于频域分析具有很多时域所不具有的特点，故可以比较方便的对原信号进行分析。）

参考：https://zhuanlan.zhihu.com/p/41455378

时域中的信号，我们可以构造一个三角函数之和：

$f(x) = C + \sum_{n=1}^{\infty }(a_{n}cos(\frac{2\pi n}{T}x)+b_{n}sin(\frac{2\pi n}{T}x)) = \sum_{n=-\infty}^{\infty }c_{n}e^{\frac{2\pi n}{T}x},C\in R$

其中傅里叶级数如下图所示：

最低0.47元/天解锁文章

关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
图卷积神经网络模型----GCN

一、傅里叶变换与拉普拉斯变换傅里叶变换是一种线性的积分变换，这种变换是从时间转换为频率的变换或其相互转换。（原因：我们将信号分解为频域里各种不同频率的信号，又由于频域分析具有很多时域所不具有的特点，故可以比较方便的对原信号进行分析。）参考：https://zhuanlan.zhihu.com/p/41455378 时域中的信号，我们可以构造一个三角函数之和：其中傅里叶级数如下图所示：其中=又称为...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。