卷积法求解系统的零状态响应_深度学习数学---卷积

对深度学习有一定接触的人想必一定听过卷积神经网络（CNN）吧，这可是计算机视觉的一大杀器。深度学习经过十多年的发展，在目标检测、目标跟踪、目标识别、实例分割、姿态估计等领域取得了长足的进步，相关的算法也是层出不穷，但万变不离其宗，再高深的算法也离不开这个秘密武器---卷积神经网络（CNN）。

卷积神经网络如此重要是不是想一睹其芳容了，且慢！！在介绍这个大人物前，我们先全方位的了解下卷积为何物，打好基础才能更好的去了解事物的本质。

1：来源

卷积其实就是为冲击函数诞生的。“冲击函数”是狄拉克为了解决一些瞬间作用的物理现象而提出的符号。古人曰：“说一堆大道理不如举一个好例子”，冲量这一物理现象很能说明“冲击函数”。在t时间内对一物体作用F的力，倘若作用时间t很小，作用力F很大，但让F与t的乘积不变，即冲量不变。于是在用t做横坐标、F做纵坐标的坐标系中，就如同一个面积不变的长方形，底边被挤的窄窄的，高度被挤的高高的，在数学中它可以被挤到无限高，但即使它无限瘦、无限高、但它仍然保持面积不变（它没有被挤没！）如下图所示，为了证实它的存在，可以对它进行积分，积分就是求面积嘛！于是“卷积”这个数学怪物就这样诞生了。