Introduit des réseaux neuronaux convolutifs, couvrant les couches entièrement connectées, les convolutions, la mise en commun, les traductions PyTorch et des applications telles que l'estimation de pose à la main et l'estimation de tubalité.
Explore les propriétés de Discrete-Time Fourier Transform, y compris la linéarité, les décalages de temps et de fréquence, l'inversion du temps et la convolution.
Explore le contrôle des systèmes dynamiques, la réponse impulsionnelle, la transformée de Laplace et la transformée de Fourier pour résoudre les équations différentielles.
Explore les relations de symétrie, la modulation, les propriétés de transformation de Fourier et les méthodes d'intégration dans les signaux et les systèmes.
Explore l'application de la transformée de Fourier aux systèmes LTI, y compris la réponse en fréquence, la convolution, la différenciation et la résolution d'équations différentielles.
Couvre les propriétés de la transformée de Fourier à temps discret, y compris la linéarité, les décalages, l'inversion du temps, la différenciation, la convolution, la symétrie conjuguée et la relation de Parseval.
Explore en utilisant la transformée de Fourier pour simplifier la résolution du problème de Poisson, transformant les circonvolutions en multiplications pour une solution explicite.
Couvre les propriétés de la transformation de Fourier, y compris la linéarité, les déplacements, l'inversion du temps, la différenciation, l'intégration, la convolution et la symétrie conjuguée.
Explore les transformées de Fourier, y compris les propriétés, la convolution, le théorème de Parseval et la densité spectrale d'énergie pour les fonctions non périodiques.
