1樓：cuimolei
其實FFT是DFT的快速實現，而DFT實際上就是卷積。
DFT本質上就是乙個線性變換，所以用不帶非線性變換的卷積實現FFT是完全沒問題。
而DFT有各項同性的特性，意味著其可以拆解為nx1,1xn卷積兩步實現，而FFT是針對DFT冗餘計算進行的優化。也就是從計算量講：
多層卷積》單層nxn卷積》DFT>>FFT所以實現是沒問題的，只是沒意義。
2樓：James Liu
提供乙個思路。
單層的1D CNN應該就可以搞定，其中一半的channel去回歸實部，另一半回歸虛部。如果把負數拆成實部+i虛部的話，兩個部分的操作其實都是卷積。另一方面，這個問題的訓練資料又是無限的。
但是。。有啥用呢？如果是15年以前可以用這玩意做預訓練也能灌灌水。。。
3樓：劉芮金
我怎麼覺得這個問題有些奇怪
有監督神經網路訓練成功那就是從資料到Label的橋梁那麼1）資料：數碼訊號很容易生成
2）Label： 對應數碼訊號的FFT變化但是 是已知的且可以用數學公式表達
那麼這個神經網路又有什麼意義呢？
4樓：「已登出」
如果你要準確的等於fft，有點兒難，實際上你用機器學習想準確地重構出輸入函式是不可能的
我的乙個想法是預設一些頻段作為特徵，然後卷積出每個頻段的能量，這個應該沒有那麼難，但是也顯然不可能完全覆蓋。
坐等專家解答
用c 實現神經網路一般用什麼庫？
SMP66 2021年了，必須推薦一波後來出現的pytorch了。pytorch c api完全能滿足任意神經網路的設計，而且足夠簡單。比如我個人的開源分割專案就是基於pytorch cpp寫的。 Python的Theano每次執行都會先產生C程式碼再編譯執行.在Linux底下的話翻開資料夾 the...
如果乙個神經網路的總loss loss1 loss2，那麼這個網路是如何反向傳遞更新loss1的呢
Tridu 現在大資料這麼離譜的嗎？希望是巧合。剛出實驗室，剛批改的作業就是BP反向求導的習題，居然一開啟知乎就看到了這個問題。建議題主看看相關網課ppt資料 這裡lecture18有個手寫求導pdf 貓頭嚶 我寫了一篇BP原理，你可以系統性的了解一下。 靈劍 感覺是沒有理解梯度下降的意義，我理解你...
我想做乙個基於神經網路的數字識別程式，請問我應該看哪些書？
簡單一點的方法 1.看懂神經網路演算法 Andrew Ng 講的BPNN 2.收集，標記你的資料.3.matlab有個神經網路工具箱，可以直接用來訓練. king zin 我覺得Michael Nelson以數字識別為例子講人工神經網路講的不錯。當然現在數字識別基本已經是神經網路的HelloWorl...