基本概念
卷积实质上就是加权叠加。
卷积的重要的物理意义是：一个函数（如：单位响应h(n)）在另一个函数（如：输入信号x(k)）上的加权叠加。
离散卷积公式
根据离散卷积的公式，可以将x[k]视为权重，y[n]即为h[n]周围k个邻居对其影响之和，每个邻居的重要性程度由权重x[k]度量。连续卷积也是一样的道理。
cnn中卷积网络的意义
卷积网络示意图
上图相当于将原图上3*3的图片视为x(n)，与过滤器filter卷积h(n)（将每个像素值加权叠加）计算得到y(n)。y(n)是原图中3*3图片像素值加权叠加的结果，实现图片原始特征的提取。
卷积与傅里叶分析
卷积是h[n]移位不同的k得到的一系列h[n-k]的线性组合；傅里叶分析用的是不同的正弦函数的线性组合。
参考：
