矢量卷积和神经网格基础(2)信号感应

咪付技术带头人代豪是矢量卷积和神经网格模型的提出者和建立者,本文将简单阐述矢量卷积和神经网格模型的信号感应方式。

信号的基本感应方式

矢量卷积和神经网格模型的信号感应方式分静态感应和动态感应两种方式。当信号阶跃为0时,主要表现为静态感应;当信号阶跃不为0时,主要表现为动态感应。由于信号阶跃是有方向的,并且有随时间和位置变化的特点,因此我们在坐标框架中加以描述,坐标框架又分为位置坐标框架和时间坐标框架。

静态感应

静态感应方式对输入信号的绝对值敏感,感应信号的绝对值大小。例如,如下图所示,在t1、t2、t3时刻分别输入信号分别为S1、S2、S3, 通过静态感应得到信号S1、S2、S3的幅值大小分别为|S11|、|S22|和|S33|。

动态感应

动态感应方式对输入信号的阶跃值敏感,感应相邻信号的相对阶跃值大小。信号的阶跃值有根据位置坐标的阶跃值和时间坐标的阶跃值两种,同一位置的信号会随时间变化而变化;而在同一时间,不同位置的信号也会有差别。例如,下图为物体在同一时间t1,不同位置P1、P2和P3处的信号阶跃以及在同一位置P1,不同时间t1、t2和t3的信号阶跃示例。

下图是根据位置坐标的相邻信号阶跃差值示例,假设物体在同一时间t1,在不同坐标位置P1、P2、P3、P4处的信号分别为S1、S2、S3、S4,各相邻信号的相对阶跃值大小分别表示为:V1=|S2-S1|,V2=|S3-S2|,V3= |S4-S3|。

下图是根据时间坐标的相邻信号阶跃差值示例,假设物体在同一位置,不同时刻t1、t2、t3和t4坐标位置的信号分别为S11、S22、S33、S44,各相邻信号的相对阶跃值大小分别表示为:V11=|S22-S11|,V22=|S33-S22|,V33= |S44-S33|。

信号的基本感应输出方式

信号阶跃的感应输出有惰性感应输出、实时感应输出、丢失感应输出、衰减感应输出、增强感应输出和触发感应输出等。

01 惰性感应

惰性感应输出,即延时输出,阶跃感知单元感知信号后,延时一段时间才输出已感知的信号。比如,在t1、t2、t3时刻,分别输入信号S1、S2、S3,阶跃感知单元感知信号后,但并未立即输出感知信号S0,而是在t4时刻输出S0,如下图所示。

02 实时感应

实时感应输出,阶跃感知单元在感知信号后,及时产生该位置坐标或该时间坐标的信号输出。如下图所示,在t1时刻,输入信号为S1,阶跃感知单元感知信号后,立即输出感知信号S0;在t2时刻,输入信号为S2,阶跃感知单元感知信号后,立即输出感知信号S0;在t3时刻,输入信号为S3,阶跃感知单元感知信号后,立即输出感知信号S0。

03 丢失感应

丢失感应输出,阶跃感知单元在感知信号后,输出0信号,即丢失了原始输入信号。

如下图所示,在t1时刻,输入信号为S1,阶跃感知单元感知信号后,立即输出0;在t3时刻,输入信号为S3,阶跃感知单元感知信号后,立即输出0感知信号,此为实时丢失感应。

04 衰减感应

衰减感应输出,是指阶跃感知单元在感知信号后,输出较原始输入信号更弱的感知信号,使不相关目标或区域信号值明显小于需要关注的目标或区域的信号值。比如在需要弱化图像背景、噪音等信号时,采用衰减感应输出。

示例如下:

原图

衰减感应的结果

05 增强感应

增强感应输出,是指阶跃感知单元在感知信号后,输出较原始输入信号更强的感知信号,使需要强调关注的目标或区域信号值明显大于周边目标或区域的信号值。比如在需要增强目标人物图像信号时,采用增强感应输出。

示例如下:

增强感应的结果

06 触发感应

触发感应输出,即输出连续变化的感应信号,以捕捉连续全面的信息。如下图所示:

客观世界通过光线产生视觉信号,每个物体的纹理和深度以及运动都会产生信号阶跃,因此感应单元对信号阶跃的处理是视觉的基础功能。​​​​

你可能感兴趣的:(矢量卷积和神经网格基础(2)信号感应)