提出了一种基于低秩矩阵逼近（LRMA）和加权核范数最小化（WNNM）正则化的去噪算法，以消除磁共振图像的Rician噪声。 该技术将来自嘈杂的3D MR数据的相似的非局部立方块简单地分组到一个补丁矩阵中，每个块按字典顺序矢量化为一列，计算该矩阵的奇异值分解（SVD），然后是LRMA的闭式解通过用不同的阈值硬阈值不同的奇异值来实现。 去噪块是从低秩矩阵的此估计中获得的，整个无噪声MR数据的最终估计是通过汇总彼此重叠的所有去噪示例块来建立的。 为了进一步提高WNNM算法的去噪性能，我们首先在两个迭代的正则化框架中实现了上述去噪过程，然后利用基于单像素补丁的简单非局部均值（NLM）滤波器来减少WNNM算法的去噪强度。均匀面积。 所提出的降噪算法与相关的最新技术进行了比较，并在合成和真实3D MR数据上产生了非常有竞争力的结果。

使用通过时间反向传播 (BPTT) 训练的递归神经网络进行非线性系统识别

NUC980单芯片ARM926 300MHz，内置64M DDR2 无需跑OS开发支持包

该程序计算 2 个变量的非线性方程组的根。 这是一个脚本文件，您只需在命令窗口中写入“>>newton2v2”，程序就会询问所需的功能和其他元素。 我的意思是“引号”是单引号，像这样： ' 。 我将不胜感激任何评论。 我也有这个程序用于 3, 4 ,5 个变量，并且可以扩展到任意数量的变量

Most 3D shape classification and retrieval algorithms were based on rigid 3D shapes, deploying these algorithms directly to nonrigid 3D shapes may lead to poor performance due to complexity and changeability of non-rigid 3D shapes. To address this challenge, we propose a fusion view convolutional neural networks (FVCNN) framework to extract the deep fusion features for non-rigid 3D shape classification and retrieval. We first propose a projection module to transform the nonrigid 3D shape into a

matlab tsp问题代码对未知非平稳调制的稀疏信号的支持恢复 用于复制IEEE信号处理（TSP）论文“”中的图形的代码 抽象的 从低维噪声观测中估计稀疏信号的问题出现在许多应用中，包括超分辨率，信号去卷积和雷达成像。 在本文中，我们考虑了具有非平稳调制的稀疏信号模型，其中，对观察结果有贡献的每个字典原子都经历了未知的，独特的调制。 通过应用提升技术，在调制信号存在于公共子空间的假设下，我们将这种稀疏恢复和非平稳盲解调问题重现为从结构化线性观测中恢复列式稀疏矩阵，并提出解决通过块L1-范数正则化的二次最小化。 由于观察到的噪声，稀疏信号和调制过程无法准确恢复。 相反，我们旨在恢复地面真实信号的稀疏支持，并限制信号非零分量和调制过程的恢复误差。 特别是，我们在样本复杂度和正则化参数上得出了足够的条件以进行准确的支持物回收，并限制了支持物上的回收误差。 数值模拟证实并支持了我们的理论发现，并且我们证明了该模型在单分子成像应用中的有效性。 经过测试 Matlab R2017b与 引文 如果您使用我们的方法和/或代码，请引用我们的论文 @article{xie2020support, tit

Non-Local Neural Networks with Grouped Bilinear Attentional Transforms, 论文Non-Local Neural Networks with Grouped Bilinear Attentional Transforms中提出的一种针对non-local网络改进的网络结构。 Non-local可以建模时间和空间维度上的关联性；GCNet结合了基于通道的注意力机制SE和能够捕获全局空间信息的Non-local网络；BAT是在传统的non-local模块上改进的可进行变形操作的新型模块，并且在图片分类和视频分类的性能上已经超过了传统的non-local网络结构。

CIC滤波器适用于高倍抽取率的情况。这篇文章讲述了CIC基本原理，并将CIC转换为非递归结构形式，对于非2的幂次倍抽取率，比如，24、40、180等非2次幂倍抽取，将抽取倍数分解为2P3K4M5T7R等等形式，每级为2/3/4/5/7/11/...等等倍抽取，这样将CIC设计难度降低。且每一级使用多相抽取实现，降低系统资源和功耗。特别适合高倍抽取第一级。结构简单，实现容易。

matlab图像特效代码临床光声成像的卓越光声非负重建 该存储库包含用于使用快速高级共轭梯度算法从原始RF数据重建光声图像的MATLAB代码示例。 结果发表在我们的论文《用于临床光声成像的高级光声非负重建（SPANNER）》中。 该代码免费提供给所有人使用。 如果您正在发布使用此代码或其变体的任何作品，请记住它是免费获得的。 我们恳请您在出版物中引用我们的论文。 该代码按“原样”提供，没有任何明示或暗示的保证，包括但不限于对适销性或特定用途的隐含保证或条件。 在任何情况下，作者和/或斯坦福大学均不对任何种类的任何特殊，偶发，间接或继发的损害赔偿负责，无论是由于使用，数据或利润的损失，无论作者是否提出建议有关此类损害的可能性，和/或由于使用或执行本规范而引起的任何责任理论。 MATLAB是The MathWorks，Inc.的商标。本文档和网站中提及的其他公司和/或组织的商标仅是出于标识目的，并且是其各自公司和/或组织的财产。 接触： 请与Idan Steinberg博士（）联系，以获取与此代码有关的查询。 抽象的： 光声（PA）成像可以通过增加分子信息来革新医学超声。 然而，由于有限的

matlab linprog代码连续 DR 子模最大化：结构和算法 该存储库收集了论文的源代码： “连续 DR 子模块最大化：结构和算法” NIPS 2017. An Bian、Kfir Y. Levy、Andreas Krause 和 Joachim M. Buhmann 文件结构： src/: contians 源文件 main.m：运行不同实验的主文件 用法： 请参阅主文件“main.m”中的设置指南以运行不同的实验。 依赖项： 此实现使用 MATLAB LP 求解器和 MATLAB 二次规划求解器提供的 quadprogIP 求解器。 此外，quadprogIP 求解器需要 CPLEX 12.2 或更高版本的 Matlab 接口。 该代码已在 Ubuntu 16.04 LTS、64 位和 MATLAB R2016a 上进行了测试。 它应该可以与其他操作系统一起使用而几乎没有变化。 版权： 版权所有 (2017) [安边 | 苏黎世联邦理工学院 | ]。 如果您在工作中使用此代码，请引用上述论文。