搜索资源列表
GaussianFiltering
- 利用高斯核自行完成高斯平滑。 1.gkernel.m: 创建高斯核。 2.getnorm.m: 将高斯核归一化以求得该核的图像 3.convo.m：不用自带函数求卷积 4.conducting.m: 举例执行程序-1.gkernel.m: Buidling Gaussian kernels. 2.getnorm.m: Normalizing Gaussian kernel in order to display the kernel. 3.convo.m: calcula
wqwq
- 卷积核的Volterra积分方程的快速多步配置法.-Convolution kernel of Volterra integral equations of the fast multi-step configuration method.
OnedemesionDeconv
- 实现一维反卷积，可以免于受到0除影响，要求已知卷积核-Achieve a dimensional deconvolution
Garbor-function
- 有了Gabor核函数后就可以采用前文中提到的“离散二维叠加和卷积”或“快速傅立叶变换卷积”的方法求解Gabor变换，并对变换结果求均值和方差作为提取的特征。32个Gabor核函数对应32次变换可以提取64个特征（包括均值和方差）。由于整个变换过程代码比较复杂，这里仅提供测试代码供下载。该代码仅计算了一个101×101尺寸的Gabor函数变换，得到均值和方差。代码采用两种卷积计算方式，从结果中可以看出，快速傅立叶变换卷积的效率是离散二维叠加和卷积的近50倍。-to extract features
CNN
- %得到卷积层的featuremap的size，卷积层fm的大小 为 上一层大小 - 卷积核大小 + 1（步长为1的情况） %得到卷积层的featuremap的size，卷积层fm的大小 为 上一层大小 - 卷积核大小 + 1（步长为1的情况）(Wang Yuting has a severe muscular dystrophy with only two arms to move about 5 centimeters. But she was determined to be a pain
卷积神经网络
- 卷积神经网络架构，设定20个卷积核，实现图片的识别。(Convolution neural network architecture)
CNN
- 卷积神经网络分类 调制信号识别 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称