地震反褶积的matlab程序

UFLDL Exercise: Convolution and Pooling 卷积和池化 matlab代码 只需下载训练集和测试集就可以直接运行

多点最优最小熵解卷积调整Geoff McDonald (glmcdona@gmail.com) 的代码，2015 McDonald、Geoff L.和赵青。 “多点最优最小熵解卷积和卷积修复：应用于振动故障检测。” 机械系统和信号处理 82 (2017)：461-477。 有关该论文的 PDF 版本，请参阅我的博客： http : //www.split-code.com/rotation.html 多点最优最小熵解卷积 (MOMEDA) 计算算法。 这提出方法求解用于从信号中解卷积周期性脉冲序列的最优解。 最适合应用于从振动信号到去卷积的旋转机器故障与许多齿轮和轴承故障相关的脉冲式振动。 此上传包括用于基础解卷积的“momeda”和用于绘图的“momeda_spectrum” 光谱。 通常，此光谱将在对应于临界值的周期处产生峰值频率，以及由此产生的幅度可以被跟踪以监视机器组件的运行状

该函数是针对卷积核可分离的特殊情况的N维卷积实现。 如果存在 N 个函数 f1, f2, ... fN 使得 f(x1, x2, ... xN) = f1(x1)f2( x2)f3(x3)...fN(xN)。 在二维中，可分离性条件的离散版本如下：如果二维矩阵可以表示为两个一维向量的外积，则它是可分离的： a=[-1 0 1]; b=[1 0 -1]; H=a'*b 在这种情况下，为 Matlab 的 conv2 函数提供两个向量 a 和 b（一个用于对行进行卷积，第二个用于对列进行卷积）比为 conv2 提供外积 H 的计算速度更快。 Convnsep.m 将此功能扩展到任意数量的维度。 这可能对以下应用有用： 1. 使用可分离过滤器平滑 3D 图像2.双边滤波（需要4D卷积来过滤3D图像） 注意事项和注意事项： - 随着被卷积的变量的总大小增加到 Matlab 允许的

cubic convolution/bilinear/nearest 算法的matlab实现。

费诺编码matlab代码fano 卷积编码项目 问题陈述： 该MATLAB代码用于模拟和评估Fano算法在卷积编码中的性能。 成员： 团队成员1： 姓名：阿玛尔·拜朱（Amal Byju） 卷编号：16CO205 团队成员2： 姓名：埃德温·托马斯卷编号：16CO218 有目的的文件： 在MATLAB中包含最终赋值代码的文件会以fano_algorithm的形式被扩展为.m扩展文件。已对该文件进行了注释，并注释了有关每个变量和代码各个部分的说明。 整个代码分为4部分： 将数据字编码为代码字。 在传输的码字中产生错误。 这模拟了噪声对码字的影响。 使用Fano算法对错误的代码字进行解码和纠正，以获得数据字。 第一部分（1）涉及使用模拟（2,1,5）编码器对数据字进行编码。 生成器功能是： g（1）= 111010 g（2）= 111101 第二部分（2）处理将错误生成到编码的消息中，然后将这些错误的消息传递给代码的第3部分。 第三部分（3）在步骤（1）中对生成的转换表使用递归逻辑，通过递归回溯路径，直到超过阈值，直到码字中的所有位都用路径度量<= threshold耗尽为止，才实现了Fa

吴恩达神经网络WEEK1实验2代码内容 編程作業: Convolution Model Application week1-2

2021年4月28日更新官方最新题库作业内容

Convolution+BatchNorm+Scale+Relu的组合模块在卷积后进行归一化，可以加速训练收敛。但在推理时BatchNorm非常耗时，可以将训练时学习到的BatchNorm+Scale的线性变换参数融合到卷积层，替换原来的Convolution层中weights和bias，实现在不影响准确度的前提下加速预测时间。

作为一个入门学习Deep Learning和CNN网络的一个非常赞的slide，深入浅出地讲解了Deep Learning网络的发展来由，以及各个子网络部分的作用。