矢量卷积和神经网格基础（1）信号阶跃

咪付的全态识别自发布以来，受到了业界的广泛关注，这离不开技术带头人深厚的技术积累，以及研发团队对新技术的执着专研。技术带头人代豪是矢量卷积和神经网格模型的提出者和建立者，本文将是对此理论模型的基础之一信号阶跃的简单阐述。

生命的特性之一是对变化的感知，变化的本质则是信号的阶跃。以视觉为例，客观世界通过光线反映到感受体（如眼睛），感受体里形成的图像就是信号阶跃的集合。

图像感知

人们可以通过眼睛来判别一张图像的内容，而计算机则需要将图片内容转化为数字后才能够“读懂”它。

这里以RGB颜色信号为例，RGB色彩是最常见的一种颜色标准，它通过对红®、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加几乎可以得到人类视力所能感知的所有颜色。

这是一张RGB图像，它由一个个像素点构成，每个像素点有三个通道（红、绿、蓝），数值大小在[0，255]之间，在三维坐标图中分别绘制如下：

上面就是图像对客观世界反映的一个例子，如果把这些数字看作一个个信号，那么这些信号则都处于不断的变化当中，因此称为信号阶跃。信号图形反映结果如下：

值得注意的是，信号阶跃是有方向的，因此我们用矢量卷积来描述它。矢量卷积需要有坐标框架，因此在坐标框架下用矢量卷积对图像进行有效的感知和描述，从而能够产生有语义结构的输出。

没有信号阶跃的集合可以归类到零信号阶跃。

阶跃感知层
Step-Perceptron

<