实现线性卷积和循环卷积，主要介绍了MATLAB 工具的这部分的使用方法，以及编程

基于MCNN的_HSI_分类 文件 MCNN-CP：使用混合卷积和协方差合并的高光谱图像分类（TGARS 2021） MCNN-PS和Oct-MCNN-PS：使用混合3D八度音程和2D子像素卷积神经网络的高光谱图像分类（已提交TGARS） 1.环境设置 该代码已在配备Intel i7-9750H 2.6 GHz处理器，32 GB RAM和NVIDIA GTX1650图形卡，Python 3.6，tensorflow_gpu-1.14.0，Keras-2.2.4，CUDA 10.0， cuDNN 7.6。 请在运行此代码之前安装相关的库： pip install -r requirements.txt 2.下载日期集： IP：， UH： 上： SA：和 并将它们放入数据目录。 3.下载模型（加载模型）： 代码：caor 并将它们放到models目录中。 4.下载pretrai

alexnet代码matlab CNNs-visualization 利用MATLAB里的反卷积和反池化实现 王同学，想请你帮我思考一下做个东西：不知道你看过那个visualizing and understanding cnn那篇文章没有。你可以看到，他的可视化是通过上采样以及反卷积把某层的冲激响应映射会原始的RGBk空间中显示出来，这个比较合理。跟我提供的代码不太一样，我是直接将某层的冲激响应转成灰度图或者热图显示出来。你是否可以考虑参照那篇文章，用matlab把这个实现，因为我觉得这样更合理。给你提供函数表 可以用里头的transposedConv2dLayer和maxUnpooling2dLayer实现 建议使用vgg16网络，不用alexnet网络

在资源中构造了两个函数dft和idft，dft可以用fft来代替。里面表示了线性卷积的幅度和角度表示，并且有补0与添加采样点并进行dft算法。最后进行了圆周卷积和线性卷积的对比。第一种情况进行的圆周卷积采样点小于N1+N2-1,第二种情况采样点大于N1+N2-1;

数字信号处理实验一__卷积 文件是之前自己做过的实验（只传了函数，自己编写一个脚本调用就好），可运行。 实现了卷积的动态计算过程，有详细的注释。

UFLDL Exercise: Convolution and Pooling 卷积和池化 matlab代码 只需下载训练集和测试集就可以直接运行

双耳HRIR处理 通过叠加叠加卷积和HRIR数据集将空间音频场景解码为双耳立体声。

AMDIS自动化质谱图解卷积和鉴定软件在GC/MS数据处理的初步应用 ，该软件纯属搬运网络，如有违规无需告知，请直接删除

反卷积和信号复原是信号处理技术中具有理论挑战性的分支。本书内容大致分为三个部分：理论基础，一维信号反卷积和图像复原。

反卷积和信号复原是信号处理技术中具有理论挑战性的分支。本身内容大致分为三个部分：理论基础，一维信号反卷积和图像复原。