基于BesselJ函数,构建AI中的卷积神经网络之新型卷积核

原创:daode3056(daode1212)

BesselJ函数,来自微分方程:

它有通解有以下形式:

就取J0--J5的函数图像,如下:

现取J1(x),也就是红色的这支,作新的函数:

这一函数的导数与不定积分如下:

可以证明:

再分析被积函数性质与图像:

这种卷积核的优越性在:给自变量配上一个正整数的系数因子,积分值不变的,如以7作因子:

这时钟形曲线的特性是不同的:

也就是卷积范围更加集中了,反映到对曲线、图像的特性是更加柔软了。

这一种新型卷积在调节平滑、柔软方面十分方便,形式也简洁。我们在工业视觉、机器人路径规划方面得到了充分地应用。

相关推荐
mit6.82420 分钟前
[手机AI开发sdk] Aid_code IDE | PC浏览器同步访问
ide·人工智能·智能手机
deephub32 分钟前
FastMCP 入门:用 Python 快速搭建 MCP 服务器接入 LLM
服务器·人工智能·python·大语言模型·mcp
番石榴AI1 小时前
基于机器学习优化的主图选择方法(酒店,景点,餐厅等APP上的主图展示推荐)
图像处理·人工智能·python·机器学习
国产化创客1 小时前
基于AI大模型智能硬件--小智AI项目PC端部署测试
人工智能
海边夕阳20061 小时前
【每天一个AI小知识】:什么是零样本学习?
人工智能·经验分享·学习
平凡而伟大(心之所向)1 小时前
云架构设计与实践:从基础到未来趋势
人工智能·阿里云·系统架构·安全架构
数据与后端架构提升之路1 小时前
构建一个可进化的自动驾驶数据管道:规则引擎与异常检测的集成
人工智能·机器学习·自动驾驶
2401_841495642 小时前
【自然语言处理】轻量版生成式语言模型GPT
人工智能·python·gpt·深度学习·语言模型·自然语言处理·transformer
梵得儿SHI2 小时前
(第三篇)Spring AI 基础入门:PromptTemplate 与对话工程实战(从字符串拼接到底层模板引擎的进阶之路)
人工智能·prompt·大模型应用·spring ai·prompttemplate·ai 响应的质量与准确性·上下文管理策略