让$x_1, …,x_n$是一个向量序列（例如，词向量）。应用卷积层相当于对所有 n-gram 应用相同的权重矩阵，其中$n$是过滤器的高度。例如，如果$n=3$，您可以将其可视化如下：

如需更多数学解释，您可以查看 Ji Young Lee, Franck Dernoncourt。“具有递归和卷积神经网络的序列短文本分类”。2016 年全国人大常委会。第 2.1.2 节：

一维卷积在卷积网络中用于滤波器维度的下采样和上采样。当您通过网络时，卷积网络会构建这些过滤器映射，您可以真正将它们视为第三维。过滤器映射维度的通常基本情况是大小为 3，因为我们经常有 RGB 图像通过我们的网络。

这些一维卷积可用于下采样、执行一些操作，然后上采样回到相同的维度。出于性能原因，这非常有用。

要真正直观地理解，我建议阅读：

网络中的网络 - http://arxiv.org/abs/1312.4400

深入了解卷积 - https://www.google.com/url?sa=t&source=web&rct=j&url=http://www.cs.unc.edu/~wliu/papers/GoogLeNet.pdf&ved=0ahUKEwi89oeuxqnLAhXhuIMKHZrTCe0QFggkMAE&usg=AFQjCNGCEEnUgrgCn- rrECNQ72wI3PH1Qw&sig2=VhjfaMvuskNIDVKhFfNiqQ