从“卷积”、到“图像卷积操作”、再到“卷积神经网络”，“卷积”意义的3次改...

卷积的第一个例子7：30，非常简单形象。这里g（t）是“权”函数。t反而不是最关键的，因为时间其实是函数因变量，表示发生的域，此处是时域。想看一个函数表示的具体意义（或研究），应该固定因变量，看自变量和它的关系。

7：45为卷积特征，7：53图像理解，8：57应用的特征！

9：39讲应用于图片识别。应用中理解数学卷积，最重要就是理解图像领域把什么当做f 什么当做g函数10：17（up主分析思路）

11：05是卷积核 12：25up主初步理解对应卷积的思想过程 14：11深层普适性理解

16：08卷积核一个例子。结论：卷积核规定了周围像素点如何对当前像素产生影响的（所以叫卷积的核！）17：21逐渐深入理解卷积核19：20对应上，并理解。

21：00卷积可以表示过去对现在的影响；周围对当前位置的影响。卷积核表示如何影响。（23：47更多例子）

22：10，实际应用。用卷积操作识别图像的局部特征——用卷积核筛选不同的特征。这里可以理解为用卷积核去匹配试探像素。得到该处的匹配数值（函数值）

up目前的总结26：00