【深度学习】神经网络与傅立叶变换到底有没有关系？

文章预览

机器学习和深度学习中的模型都是遵循数学函数的方式创建的。 从数据分析到预测建模，一般情况下都会有数学原理的支撑，比如： 欧几里得距离用于检测聚类中的聚类。 傅里叶变换是一种众所周知的将函数从一个域转换到另一个域的数学方法，它也可以应用于深度学习。 本文将讨论傅里叶变换，以及如何将其用于深度学习领域。 什么是傅里叶变换？ 在数学中，变换技术用于将函数映射到与其原始函数空间不同的函数空间。傅里叶变换时也是一种变换技术，它可以将函数从时域空间转换到频域空间。例如以音频波为例，傅里叶变换可以根据其音符的音量和频率来表示它。 我们可以说，任何函数的傅里叶变换所执行的变换都是频率的函数。其中结果函数的大小是原始函数所包含的频率的表示。 我们举一个信号的例子，它的时域函数如下所示： ………………………………