负包裹卷积运算，博客的Markdown文件，基于数学变换的负包裹卷积运算。

用MATLAB实现Roberts算子、Sobel算子、Laplacian算子、Prewitt算子检测图像边缘

1.CNN基础结构 2.卷积操作细节讲解 3.图像基础知识 4.池化操作 可以不可以模仿人类大脑的这个特点，构造多层的神经网络，较低层的识别初级的图像特征，若干底层特征组成更上一层特征，最终通过多个层级的组合，最终在顶层做出分类呢？ 答案是肯定的，这也是许多深度学习算法（包括CNN）的灵感来源

天文导航是以已知准确空间位置、不可毁灭的自然天体为基准，被动探测天体位置，经解算确定测量点所在平台的经度、纬度、航向和姿态等信息。其中以通过对恒星成像进行光电转换获取星点信息进行姿态确定的星敏感器应用最为广泛，他主要包括两个部分：星点提取和星点识别，本文主要关注前者。除了成像器件本身的噪声缺陷，由于空间辐射会导致星敏感器拍摄星图背景灰度均值增大, 背景起伏明显, 另一方面星敏感器探测的是微弱的恒星星光,对杂散光非常敏感,,主要的杂散光源为日光、月光和地气光等杂散辐射源,主要呈现为斜坡噪声。 传统的几何方法主要需要针对某一种情况下的某种应用，当成像器件、光学环境和空间环境等发生变化时，相应的方法也会发生改变。使用全卷积神经网络可在不改变网络结构的情况下，通过更改训练样本，灵活实现星点提取。具体到本文，主要解决三个方面的问题：1不同背景均值下的提取，2散点噪声下的提取，3斜坡噪声下的提取。

这是一个基于CNN卷积神经网络的天气识别案例分享，可以运行实现~，同时里面包含对应的数据集。

这是一个基于VGG网络架构的cat and dog分类实战的小项目，里面包含所有源代码，同时也含有对应的用到的数据集。模型已经经过优化，同时含有部分注释便于理解，欢迎下载交流。

这是 使用卷积核提取图像特征的举例（包含边缘特征提取和浮雕特征提取等）。具体的实现效果还不错，这个博客中已经有所展示。欢迎下载交流。资源中包含全部源代码以及注释，同时使用的所有图片在包含在内。

这是一个基于CNN的天气识别案例分享，除了包含源代码之外，同时包含对应的数据集（多种天气状况都有），欢迎大家下载交流。

这是一个 基于深度学习的卷积神经网络的四种动物识别案例分享（含数据集）。数据集含有上千张 四种动物 的图片。欢迎大家下载。

MATLAB实现CNN-GRU卷积门控循环单元时间序列预测（完整源码和数据） 卷积门控循环单元时间序列预测，数据为单变量时间序列数据,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2020b及以上，运行主程序即可。