卷积关系最重要的一种情况，就是在信号与线性系统或数字信号处理中的卷积定理。利用该定理，可以将时间域或空间域中的卷积运算等价为频率域的相乘运算，从而利用FFT等快速算法，实现有效的计算，节省运算代价。
创新互联专注为客户提供全方位的互联网综合服务，包含不限于做网站、网站制作、西市网络推广、小程序开发、西市网络营销、西市企业策划、西市品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们最大的嘉奖；创新互联为所有大学生创业者提供西市建站搭建服务，24小时服务热线：18982081108，官方网址：www.cdcxhl.com
所以肯定一点是结果是等于8个数的 result[(sizeof(h) + sizeof(x)) / sizeof(double) - 1]；这个就可以说明了 第二个知识点是卷积是怎么求的。
里面的你可以到Turbo C里面 用F7单步执行，就可以看到相应的步骤了。
卷积是一种线性运算，图像处理中常见的mask运算都是卷积，广泛应用于图像滤波。castlman的书对卷积讲得很详细。高斯变换就是用高斯函数对图像进行卷积。
一般情况下，卷积网络除了卷积层之外，还会有池化层和全连接层，这些层可以提供更好的学习。
卷积神经网络（CNN）主要由卷积层、激活函数、池化层、全连接层组成。
卷积层的参数是需要学习的，但是池化层没有参数需要学习。全连接层的参数需要训练得到。 池化层不需要训练参数。全连接层的参数最多。卷积核的个数逐渐增多。激活层的size，逐渐减少。
卷积神经网络的结构 结构特点： 神经网络(neural networks)的基本组成包括输入层、隐藏层、输出层。而卷积神经网络的特点在于隐藏层分为卷积层和池化层(pooling layer，又叫下采样层)。
1，提出卷积层convolutional layers layer和池化层max-pooling layer(subsampling layer)，替代全连层fully connected layer。2，将层之间的全连接改成非全连接，从而降低运算量，也降低过拟合的发生。
1、在这个程序中，首先定义了一个包含5个一维数组的二维数组arr。然后，定义了一个函数指针数组func_array，用于存储array_max函数的地址。
2、示例：有一个3*4的矩阵，要求编程序求出其中最大的那个元素的值，以及其所在的行号和列号。
3、首先，定义一个数组，初值为0。用for循环，控制输入整数的个数。将输入的整数，保存在数组中。用函数min判断输入整数的最小值，保存到变量中。然后，用函数max判断输入整数的最大值，保存在变量中。
4、把这个二维数组看作是每一行是一维数组的一维数组。先写一个对第i 行的一维数组求最大值，最小值和平均值的程序，然后在外面加一层循环，穷举二维数组的每一行就可以了。
