MNIST-Tensorflow 99.6599％ 我写了一个Tensorflow代码用于MNIST数据的分类。 您可以使用以下命令获取结果： python main.py 此代码具有以下功能 使用了数据扩充（训练数据：50,000-> 250,000） 使用具有He_initializer的3x3转换，交错转换，衰减速率为0.9的batch_norm，Max_Pooling 激活功能为tf.nn.leaky_relu 使用全球平均池代替MLP 使用L2正则化损失，学习率衰减，beta1 = 0.5的Adam优化 它包含Tensorboard，保存，恢复的代码 环保环境 操作系统：Ubuntu 16.04 的Python 3.5 Tensorflow-gpu版本：1.4.0rc2（要求版本1.4.0以上） 如果出现错误，例如： "Expected int32, g

l-CURVE曲线适用于正则化算法，比较方便的选取正则化参数

针对电学层析成像技术的反问题求解，提出一种新的正则化图像重建算法及正则参数选择方法．采用最小二乘拟合法构建正则参数与评价参数的 Matlab 数学模型，取极值获得正则参数值；利用 COMSOL Multiphysics 建立仿真场域，最后利用 Matlab 求解反问题，重建图像．通过对重建图像及评价参数的对比分析，验证了方法的有效性．结果表明，所用方法及正则参数能够有效改善反问题的病态性，使反问题的求解质量最优．

[附件中程序使用的详细说明]摄像平台高速靠近目标时，会使成像产生从中心到边缘呈放射状径向模糊的问题，影响对目标的探测、识别与跟踪。针对这一典型的空间变化运动模糊情形，根据实际的目标离散成像过程，推导出 径向模糊图像在极坐标系中的数学模型。并在分析极坐标图像纹理信息几何特征的基础上，基于非局部正则化理论提出改进的Richardson-Lucy 算法，有效解决了模糊系数存在测量误差时，含噪径向模糊图像的复原问题。实验结果表明：提出的图像复原算法能很好地抑制噪声与环状振铃效应，在主观视觉与客观评价方面均能取得很好的复原效果。

实现正则化正交匹配追踪的算法代码，也就是ROMP实现的代码

nmf的matlab代码局部强凹边界的GAP安全筛查 作者：卡西欧·F·丹塔斯（Cassio F. Dantas） 这是一个Matlab代码，与以下论文相对应： [1] CF Dantas，E。Soubies和C.Févotte撰写的“扩展GAP安全筛选的边界”提交给JMLR 2021。 [2] CF Dantas，E。Soubies和C.Févotte“通过Kullback-Leibler散度进行稀疏回归的安全筛选”已提交给ICASSP 2021。 它包括三个主要的模拟案例：逻辑回归，β= 1.5散度和Kullback-Leibler散度。 所提出的技术是文献中能够解决最后引用的两个案例（beta div和KL）的第一个筛选规则。 内容 需要编译CoD_KL_l1_update.cpp（从“求解器”文件夹中运行“ mex CoD_KL_l1_update.cpp -lmwblas”）。 不提供数据集，用户需要下载数据集并将其放置在子文件夹中。/数据集（白血病，城市高光谱图像，NIPS论文，20个新闻组，口味简介和百科全书）。 有关更多说明，请参见文件load_dataset.m。 合

具有Tikhonov正则化的收敛非负反卷积算法

内容包含有：1.深度学习的实用层面、2.优化算法、3.超参数调试、Batch正则化和程序框架。以及相应的作业、讲义。

如果不懂得Bregman迭代算法，对于图像处理的前沿论文总会难懂，这是一篇讲述布雷格曼算法在图像去噪和压缩感知邻域的应用，详细介绍了Bregman迭代算法。

这是一个基于正则化的正交最小二乘法（ols）的RBF神经网络算法， 可以处理回归问题和模式识别中的监督分类问题