信道 差错 概率 卷积
基于蒙特卡洛法的电动汽车负荷预测 通过建立电动汽车的出行时间 行驶里程 充电时间的概率模型 采用蒙特卡洛进行抽样
基于蒙特卡洛法的电动汽车负荷预测 通过建立电动汽车的出行时间 行驶里程 充电时间的概率模型 采用蒙特卡洛进行抽样 再对电动汽车充电负荷进行累加 通过蒙特卡洛仿真之后 得到电动汽车的负荷预测结果 YID:1250673508175416 ......
matlab调制解调 OFDM OTFS 16qam qpsk ldpc turbo在高斯白噪声，频率选择性衰落信道下的误比特率性能仿真
matlab调制解调 OFDM OTFS 16qam qpsk ldpc turbo在高斯白噪声，频率选择性衰落信道下的误比特率性能仿真，matlab代码 OFDM simulink 包括添加保护间隔（cp），信道均衡(ZF MMSE MRC MA LMSEE) 代码每行都有注释，适用于学习，附带仿 ......
深度学习—常见的卷积操作和卷积神经网络
各种常见的卷积操作 0、三种模式及输出矩阵尺寸计算 W输入矩阵宽，w是卷积核的大小，p是padding的数值，stride是滑动步幅 Full 补k-1圈 ：w0 =（ | W | - w + 2p ）/ stride + 1 Same 补若干圈：w0 = ceil（ | W | / stride） ......
第一篇 计算机网络基础 - 概述 - 【 发展历史 + 网络层次结构 + Tcp协议簇 + 网络传输方式 + 网络的性能指标 + 信道 】
计算机网络概述 1、什么是计算机网络 计算机网络主要由一些通用的、可编程的硬件互联而成，通过这些硬件，可以传送不同类型的数据，并且可以支持广泛和日益增长的应用 1、计算机网络不仅仅是软件的概念，它还包含硬件设备(网卡、网线、路由器) 2、计算机网络不仅仅是信息通信，还可以支持广泛的应用 2、计算机网 ......
CoordConv：给你的卷积加上坐标
摘要：本文主要对CoordConv的理论进行了介绍，对其进行了复现，并展示了其在网络结构中的用法。 本文分享自华为云社区《CoordConv：给你的卷积加上坐标》，作者： 李长安。 一、理论介绍 1.1 CoordConv理论详解 这是一篇考古的论文复现项目，在2018年作者提出这个CoordCon ......
基于CNN卷积神经网络的minst数据库手写字识别matlab仿真
1.算法描述 深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习 ......
深度学习的数学基础: 函数/参数优化/矩阵运算/向量化/卷积运算/张量运算
1. 函数与导数 函数是一种映射关系，将一个或多个自变量的取值映射为一个因变量的取值。 函数的导数表示函数在某一点处的变化率，即函数图像在该点的切线斜率。 导数可以用来求解函数的最值、优化问题、拟合曲线等。 常见的求导方法包括使用基本导数公式、链式法则、反函数法则、隐函数法则等。 导数具有一些重要性 ......
基于蒙特卡洛概率潮流计算 在IEEE33节点系统中，由于风光出力的不确定性
基于蒙特卡洛概率潮流计算 在IEEE33节点系统中，由于风光出力的不确定性，利用蒙特卡洛生成风速和光照强度得到出力，可得到每个节点的电压和支路功率变化，网损和光照强度。YID:7950644519779522 ......
使用matlab深度学习工具箱实现CNN卷积神经网络训练仿真
1.算法描述 深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习 ......
P8774 [蓝桥杯 2022 省 A] 爬树的甲壳虫（概率DP）
[蓝桥杯 2022 省 A] 爬树的甲壳虫 题目描述 有一只甲壳虫想要爬上一颗高度为 $n$ 的树，它一开始位于树根, 高度为 $0$，当它尝试从高度 $i-1$ 爬到高度为 $i$ 的位置时有 $P_{i}$ 的概率会掉回树根, 求它从树根爬到树顶时, 经过的时间的期望值是多少。 输入格式 输入第 ......
什么是deconv操作（反卷积，转置卷积）
1. 前言 zfnet在他们可视化的时候，利用到了《Zeiler, M., Taylor, G., and Fergus, R. Adaptive deconvolutional networks for mid and high level featurelearning. In ICCV, 20 ......
变分推断中一类联合概率密度函数边缘均值与方差的推导
在变分推断中，常见的一类联合概率密度函数形式如下所示： $$f\left(z_{m}, \mathbf{x}\right) {;\propto;} {\delta}\left(z_{m} - \mathbf{a}{m}\mathbf{x}\right) \mathcal{CN}\left( {z}{ ......
CNN卷积神经
1.概念 CNN -> 深度学习模型，主要用于图像识别、语音识别、自然语言处理等。 2.卷积操作 1.滑动卷积核(一个小矩阵、滤波器)对输入图像进行特征提取 2.滑动在图像上，对每个位置的像素进行加权求和 -> 新的输出矩阵(特征图) $$y[i] = (w * x)[i] = sum(j=0 to ......
卷积神经网络理论
卷积基本概念 卷积操作 感受野计算 RFi = ( RFi+1 - 1)x si +Kisi为第i层的步长，Ki为第i层卷积核大小。 数据填充 图像填充后卷积输出的维度： n：图像大小 f：卷积核大小 p：填充的层数 s：卷积核的步幅 卷积模式 Full：全填充，扩大原图Same：填充保持原图大小V ......
聊聊池化层和步长为2的卷积层
摘要：对于池化层和步长为2的卷积层来说，个人的理解是这样的，池化层是一种先验的下采样方式，即人为的确定好下采样的规则；而对于步长为2的卷积层来说，其参数是通过学习得到的，采样的规则是不确定的。 本文分享自华为云社区《对于池化层和步长为2的卷积层的一些思考》，作者： 李长安。 引言 对于池化层和步长为 ......
期望&概率
https://blog.csdn.net/weixin_45697774/article/details/104274160 知识 需要注意的是，$P(A|B)P(B)=P(AB)$，这个东西并没有要求 $A,B$ 独立。感性理解一下，两件事情同时发生即在发生事件 $B$ 的情况下，发生 $A$， ......
下篇 | 使用 🤗 Transformers 进行概率时间序列预测
在《使用 🤗 Transformers 进行概率时间序列预测》的第一部分里，我们为大家介绍了传统时间序列预测和基于 Transformers 的方法，也一步步准备好了训练所需的数据集并定义了环境、模型、转换和 InstanceSplitter。本篇内容将包含从数据加载器，到前向传播、训练、推理和展 ......
贝叶斯与卡尔曼滤波(1)--三大概率
贝叶斯与卡尔曼滤波(1)--三大概率 贝叶斯滤波主要是通过概率统计的方法，主要是贝叶斯公式，对随机信号进行处理，减小不确定度 贝叶斯滤波处理的随机变量主要是一个随机过程。$x_1, x_2, x_3 ...$,互不独立 与之对应的就是一个确定过程，比如：自由落体$v = g*t$，就是一个确定的过程 ......
神经网络基础部件-卷积层详解
本文深度讲解了卷积计算的原理，并详细介绍了构成所有卷积网络主干的基本元素，包括卷积层本身、填充(padding)和步幅 (stride)的基本细节、用于在相邻区域汇聚信息的汇聚层(pooling)，最后给出卷积层和汇聚层的代码示例和CNN框架结构图。 ......
【论文笔记】FCN全卷积网络
全卷积网络（FCN）是用于图片语义分割的一种卷积神经网络（CNN），由Jonathan Long，Evan Shelhamer 和Trevor Darrell提出，由此开启了深度学习在语义分割中的应用。语义分割是计算机视觉领域很重要的一个分支，在自动驾驶、地面检测等方面都起到很重要作用。与简单区分前 ......