卷积
利用卷积神经网络实现人脸识别的应用
利用卷积神经网络实现人脸识别的应用是一个热门的研究领域，它可以在安全、娱乐、医疗等方面发挥重要作用。卷积神经网络是一种深度学习模型，它可以从图像中提取高层次的特征，并通过分类器来判断图像中是否存在人脸，以及人脸属于哪个人。本文介绍了一种基于卷积神经网络的人脸识别的应用方法，主要包括以下几个步骤： ......
基于CNN卷积神经网络的语音信号识别算法matlab仿真
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 人工智能的应用中，语音识别在今年来取得显著进步，不管是英文、中文或者其他语种，机器的语音识别准确率在不断上升。其中，语音听写技术的发展最为迅速，目前已广泛在语音输入、语音搜索、语音助手等产品中得到应用并日臻成熟。但是， ......
m基于BP译码的LDPC误码率matlab仿真,分析不同码长,码率,信道对译码性能的影响,对比卷积码,turbo码
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 LDPC ( Low-density Parity-check，低密度奇偶校验）码是由 Gallager 在1963 年提出的一类具有稀疏校验矩阵的线性分组码 (linear block codes)，然而在接下来的 ......
跟姥爷深度学习5 浅用卷积网络做mnist数字识别
一、前言 前面用TensorFlow浅做了一个温度预测，使用的是全连接网络，同时我们还对网上的示例做了调试和修改，使得预测结果还能看。本篇我们更进一步使用CNN（卷积）网络，不过再预测温度就有点大材小用，所以本篇是做手写数字的识别。 手写数字识别是非常经典的分类问题，是入门必备的，门槛又比猫狗识别低 ......
一维卷积对一维数据进行特征再提取
点击查看代码 # 第一步 读取csv文件（循环读取） # 第二步 将数据转化为tensor形式 # 第三步 创建一个列表 将tensor逐个放入列表 # 第四步 写入标签 import csv import numpy as np import torch from torch.utils.data ......
卷积神经网络基础
卷积神经网络是进行图像处理的基础神经网络模型，其包含卷积、池化、激活函数和展平四个主要部分。 卷积是一种基本的信号处理操作，在图像处理中也得到广泛应用，基本原理是将一个输入的图像或信号与一个小的卷积核进行卷积运算，得到一个输出的特征图。如下图选取一个3x3的卷积核，对一个7x7的图像进行卷积操作，那 ......
卷积-长短期神经网络。
卷积-长短期神经网络。CNN-LSTM时间预测分析，单输入，单输出。Matlab作图，预测电力负荷，数据来源于电工杯，联系宝贝免费送。代码注释清晰，替换数据即可。只出售代码，不负责讲解。ID:7830682377113733 ......
基于simulink的WiMax通信系统仿真,包括RS编译码,卷积编译码,OFDM,输出星座图和频谱图
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 全球微波接入互操作性（World Interoperability for Microwave Access，WiMAX），WiMAX的另一个名字是802.16。IEEE802.16标准，又称WiMAX，或广带无线接入 ......
m基于信道差错概率模型仿真对比RS,汉明码以及卷积编译码性能,仿真输出信道差错概率与误码率和仿真速度三维关系图
1.算法仿真效果 matlab2022a仿真结果如下： 在数字通信系统中, 数字通信系统及其相关部分必须满足误码率的最低规 范要求。误码率是一个非常重要的指标，它衡量着系统性能的好坏，因此在数 字通信领域中经常会遇到误码率的测试问题。误码率[是二进制比特流经过系 统传输后发生差错的概率，其测量方法[ ......
经典卷积神经网络结构：LeNet-5、AlexNet、VGG
LeNet-5 LeNet-5模型是专门为手写数字识别而设计的经典卷积神经网络。 从上图可以看出，LeNet-5总共由输入层、卷积层、池化层、卷积层、池化层、全连接层、全连接层、输出层组成。 1、输入层：一张32*32的灰度图像，只有一个颜色通道，深度为1。 2、卷积层：将输入与6个高为5，宽为5， ......
深度学习网络fine-tune原理研究 - 以卷积神经网络为例
一、什么是预训练模型（pre-trained model） 预训练模型就是已经用数据集训练好了的模型，这里的数据集一般指大型数据集。比如 VGG16/19 Resnet Imagenet COCO 正常情况下，在图像识别任务中常用的VGG16/19等网络是他人调试好的优秀网络，我们无需再修改其网络结 ......
机器学习、神经网络与卷积神经网络 三者的关系
机器学习和神经网络都是人工智能（AI）领域中的重要概念。 机器学习是指让计算机通过自我学习改善性能的一种方法。通常使用大量的数据训练模型，并持续对模型进行调整和改进，从而使其能够有效地处理新的数据并提供准确的预测。 神经网络则是一种模拟人类神经系统的计算模型，可以通过多层神经元之间的相互作用来解决复 ......
深度学习--初识卷积神经网络
深度学习--初识卷积神经网络 1.LeNet-5 80年代，正确率达到99.2% 5/6层 输入层：32*32 第一层：卷积层 6@28*28 第二层：下采样层 6@14*14 第三层：卷积层 16@10*10 第四层：下采样层 16@5*5 第五层：全连接层 120 第六层：全连接层 84 输出层 ......
Fine-Grained学习笔记(1):卷积,FFT
Fine-Grained,在算法复杂度理论中特指,对各类算法的复杂度,进行(相较于P与NP的粗粒度分类的)细粒度分类,例如,证明某问题存在 $n^2/ \log n$ 的算法.Fine-Grained是一个新兴领域,其研究前景可看作是计算机科学学科中的石墨烯与钙钛矿(误). 本系列主要参考Unive ......
深度学习--卷积神经网络基础
深度学习--卷积神经网络基础 1.卷积操作 卷积操作简单来说就是矩阵对应位置相乘求和，这样不仅可以减少模型的参数数量，还可以关注到图像的局部相关特性。 import torch import torch.nn as nn import torch.nn.functional as F #卷积操作（I ......
积性函数与狄利克雷卷积
积性函数 定义 设$f\left(n\right)$为数论函数，若： $\left(1\right)f\left(1\right)=1$ $\left(2\right)$若$\left(a,b\right)=1,f\left(ab\right)=f\left(a\right)f\left(b\rig ......
PyTorch入门-残差卷积神经网络
利用PyTorch实现的深度学习解决MNIST数据集识别代码，并利用GPU训练 深度学习网络一般分为4个部分： 数据集的准备和处理 定义网络模型 定义损失函数和优化器 训练和测试 import torch import torch.nn as nn from torchvision import d ......
卷积-01
1. 什么是卷积？为什么要卷？为什么要积？(举例画图说明；包含基本的图形卷积，图形卷积只写一个卷积后的值) 卷积：用于计算两个函数的乘积 卷：翻转过来 积：累加 卷积后的值：0x0 + 1x1 + 3x2 + 4x3 = 19 2.池化，写出两种池化。 池化：降低特征空间的维度，只抽取局部最显著的特 ......
卷积操作的概念及其在深度学习中的应用
卷积操作是一种线性操作，通常用于处理信号和图像等数据。在图像处理中，卷积操作可以用于提取图像的特征，例如边缘、纹理等。 卷积操作是通过卷积核（也称滤波器）与输入数据进行逐元素乘积、求和运算的过程，从而得到卷积特征图。卷积核可以看作是一种模板，用于提取输入数据中的局部特征。在每个位置上，卷积核都会与输 ......
深度学习Pytorch中组卷积的参数存储方式与剪枝的问题
写这个主要是因为去年做项目的时候 需要对网络进行剪枝 普通卷积倒没问题 涉及到组卷积通道的裁剪就对应不上 当时没时间钻研 现在再看pytorch 钻研了一下 仔细研究了一下卷积的weight.data的存储 1.搭建网络 这里先随便搭建一下网络 放几个深度可分离卷积和普通卷积 import torc ......
TensorFlow 卷积神经网络实用指南：1~5
原文：Hands-On Convolutional Neural Networks with TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标 ......
[深入推导]CS231N assignment 2#4 _ 卷积神经网络 学习笔记 & 解析
卷积神经网络 基本算法实现 卷积神经网络应该算是图像处理中绝对的主流了, 关于算法得基本思想我在之前也学的比较懂了, 这点如果不了解网上有很多教程. 不过我并没有用代码亲自实现它. 我们首先确定怎么编写. 前面搞全连接网络总是会想着怎么去简化运算, 现在我们接触了新的网络, 要实现基础版本反而又不大 ......
脑力体操: 半在线卷积能做到多好? (van der Hoeven, 2007)
固定一个可以 $O(1)$ 运算的 effective field $K$, 并且假设其上的 FFT 时间复杂度为 $O(N\log N)$. 有序列 ${g}$ 和 ${\phi}$, 如何计算半在线卷积 $f_n = \phi_i(\sum_{i>0} g_i f_{n-i})$? Folklo ......
matlab源代码粒子群优化算法分布式电源选址定容 电力系统大数据分析的卷积神经网络 python源代码
（1）粒子群优化算法分布式电源选址定容 如图12 matlab源代码，代码按照高水平文章复现，保证正确 分析了分布式电源接入配电网前后对网络损耗的影响，在此基础上提出采用混合模拟退火算法的改进粒子群优化算法进行分布式电源选址和定容的计算，其目的是使配电系统网络损耗进一步减少。 最后通过两个算例将本文 ......
一种实时机会约束决策的快速方法及其在电力系统中的应用源代码 利用回归卷积神经网络和支持向量回归模型对用电量进行预测
（1）一种实时机会约束决策的快速方法及其在电力系统中的应用源代码，保证正确 使用情景方法来解决实时机会约束决策问题的可能性，在这些问题中，未知参数的新信息通过测量变得可用。 约束的仿射性质已被利用来推导一种变化的场景方法，它不需要根据条件分布重新采样参数空间。 通过对样本的预处理，可以用极其有限的计 ......
m基于matlab的卷积编码维特比译码误码率仿真
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 随着现代通信的发展，人们对信息传输的可靠性和有效性的要求也越来越高。维特比译码算法被广泛的应用，因此如何提高维特比译码器的性能，降低译码器的功耗和面积是个重要的问题。卷积码是Elias等人在1955年提出的，是一种非常 ......
OctConv：八度卷积复现
摘要：不同于传统的卷积，八度卷积主要针对图像的高频信号与低频信号。 本文分享自华为云社区《OctConv：八度卷积复现》，作者：李长安 。 论文解读 八度卷积于2019年在论文《Drop an Octave: Reducing Spatial Redundancy in Convolutional ......
LargeKernel3D：在3D稀疏CNN中使用大卷积核
前言 2D CNN 使用大卷积代替小卷积，增大了卷积核的感受野，捕获到的特征更偏向于全局，效果也得到了提升，这表明较大的 kernel size 很重要。但是，当直接在 3D CNN 中应用大卷积核时，那些在 2D 中成功的模块设计在 3D 网络效果不好，例如深度卷积。为了应对这一重要挑战，本文提出 ......
论文《深度多尺度卷积LSTM网络的出行需求和出发地预测》
学习参考：https://blog.csdn.net/zuiyishihefang/article/details/128030409 论文题目：《Deep Multi-Scale Convolutional LSTM Network for Travel Demand and Origin-Des ......
每日学习记录20230301_质谱解卷积
20230301:质谱解卷积 质谱信号根本就没有卷积，解卷积也无从谈起，但因为Colby这篇文章，后面三十年大家就都默认了解卷积等同于重构质谱峰的意义了。不过在蛋白质质谱领域，解卷积还有另外一个概念，就是把多电荷峰反解回分子量，此处最流行的是一种利用最大似然度求解的maxent算法，同样也跟卷积的原 ......