ksvd MATLAB代码健壮_KSVD MATLAB和Python代码可利用KSVD变体来实现健壮的字典学习。 作者：卡洛斯·洛萨（Carlos Loza） 接触：

深度残差收缩网络 深度残差收缩网络是深度残差网络（ResNets）的一种变体，旨在提高高噪声信号或复杂背景下的特征学习能力。 尽管该方法最初是为基于振动的故障诊断而开发的，但也可以应用于图像识别和语音识别。 主要的创新是将软阈值作为非线性转换层集成到ResNets中。 此外，阈值是由专门设计的子网自动确定的，因此不需要专业的专家来确定阈值。 该方法使用TensorFlow 1.0.1，TFLearn 0.3.2和Keras 2.2.1实现，并应用于图像分类。 代码中构造了一个带有3个剩余收缩块的小型网络。 可以使用更多的块和更多的训练迭代来获得更高的性能。 抽象的： 本文提出了一种新的深度学习方法，即深度残差收缩网络，以提高来自高噪声振动信号的特征学习能力，并实现较高的故障诊断精度。 将软阈值作为非线性转换层插入到深层体系结构中，以消除不重要的功能。 此外，考虑到为阈值设置适当的值通常

c均值聚类算法matlab代码fcm_m 这是matlab代码中FCM聚类方法的一些变体。 您可以参考以下文章以进一步了解：“一种鲁棒的模糊局部信息C均值聚类算法”

3x3 本地二进制描述符的简单演示代码： - 局部二进制模式 (LBP)、局部定向模式 (LDP) 和局部最优定向模式 (LOOP) （将在大多数版本的 MATLAB 中运行） - 使用代码时，请引用： T. Chakraborti，B。McCane，S。Mills和U. Pal，“循环描述符：编码鳞翅目细目视觉识别的重复局部模式”，arXiv：1710.09317。 - 相关论文见： https ://arxiv.org/abs/1710.09317 （提交给 IEEE Signal Processing Letters，正在审核中） -Copyright 2017, Tapabrata Chakraborti，保留所有权利。

附录里的matlab代码#LinearFW 这是重现我们所有实验的代码： On the Global Linear Convergence of Frank-Wolfe Optimization Variants Simon Lacoste-Julien and Martin Jaggi NIPS 2015 它涵盖了针对方程式中描述的问题的Frank-Wolfe优化变量的全局线性收敛速度。 （1）在论文中。 它包含Frank-Wolfe的实现，在两个应用程序上分别执行Frank-Wolfe和成对的Frank-Wolfe： l1约束最小二乘回归（lasso）; 来自视频共定位应用程序的流多面体上的QP。 该代码在Matlab中运行（已在Linux，Windows和Mac上的Matlab 2014中进行了测试）。 但是对于下面的前两个文件夹，通过删除初始化随机种子的行，它也可以轻松地在Octave中运行。 有三个文件夹： FW_lasso包含用于生成图2顶部图形的套索实验。在文件夹中启动run_FW.m以生成图（花费几秒钟）。 triangle_FW_experiment包含线性速率常数实

# 矢量基幅平移库#### 一个紧凑的库，实现了矢量基幅度平移 (VBAP) 方法和声音空间化的变体。 --- > Archontis Politis，2015 > 芬兰阿尔托大学信号处理与声学系> archontis.politis@aalto.fi --- 这个Matlab / Octave库是在我在芬兰阿尔托大学的[Communication Acoustics Research Group]（ http://spa.aalto.fi/en/research/research_groups/communication_acoustics/ ）进行博士研究期间开发的。 如果你想参考代码，你可以参考我发表的论文[这里]（ https://aaltodoc.aalto.fi/handle/123456789/22499）： Archontis Politis，用于参数化空间音频技术的

pagerank matlab代码

ssds.pytorch 适用于pytorch，python3的Single Shot MultiBox Detector及其变体的存储库。 此存储库易于设置，并具有大量可视化方法。 我们希望此回购协议可以帮助人们更好地理解类似ssd的模型，并帮助人们轻松地训练和部署ssds模型。 当前，它包含以下功能： 多种SSD变体：ssd，fpn，bifpn，yolo等 多基础网络：resnet，regnet，mobilenet等。 可视化类似于ssd的模型的功能，以帮助用户了解模型的设计和性能。 快速培训和推论：利用Nvidia Apex和Dali进行快速培训，并支持用户将模型转换为ONNX或TensorRT进行部署。 此回购取决于 ， 和。 感谢他们的工作。 注意当前版本的预训练模型尚未完成，请检查以获取丰富的预训练模型。 目录 安装 要求 python> = 3.7 CUDA>

强化学习在二十一点 用于玩二十一点变体的几种强化学习算法的实现 为了运行所有算法，只需运行 main.py。 这将执行 test_all_algorithms() 函数，该函数运行 MC、SARSA 和线性函数近似与 SARSA，并带有显示结果的图。 其他模块的详细信息： environment.py - 包含 step() 函数和环境的实现 rl_algorithms - 包含 MC、SARSA 和线性函数逼近 plotting.py - 包含绘制值函数、SARSA 和 LFA 结果的函数 policy.py - 放置策略的地方，目前只包含 epsilon 贪婪策略 Utility.py - 计算均方误差并将状态转换为 LFA 的特征向量

Gitbook主题为Typora 这个错别字主题是受文档样式启发的。 它具有三个变体： Azure ， Slate和Teal 。 在Windows 10和macOS上进行设计和测试。 未经测试，但它也适用于Linux。 安装说明 在下载压缩的项目包并解压缩。 将gitbook-azure.css ， gitbook-slate.css和gitbook-teal.css文件以及文件夹gitbook到Typora主题库中。 启动或重新启动Typora，然后从主题菜单中选择Gitbook Azure ， Gitbook Slate ， Gitbook Teal 。 贡献 如果某事不起作用/外观不正确或您有任何建议，请。 如果愿意，您也可以创建自己的此主题变体。 请注意，该主题仍在开发中。 期望定期更新。 修改 如果您更喜欢1.9版之前使用的slate变体的颜色（这些颜色更浅些，更像是s