mtcnn的matlab代码运行 2018旋转人脸检测 mtcnn demo.m是原始的mtcnn人脸检测 detect_RIP检测旋转人脸代码 本项目只训练了一个分类网络，其他数据都为测试评估用 代码运行环境caffe,matlab

图像显着性检测算法matlab代码

基于二进制粒子群算法（BPSO）的计算卸载策略求解matlab代码

中心差分matlab代码SkillMetrics工具箱 该工具箱包含一组Matlab函数，用于根据观察值计算模型预测的技巧。 它包括诸如均方根误差（RMSE）差异，中心均方根（RMS）差异和技能得分（SS）之类的度量标准，以及用于生成目标图和泰勒图的功能的集合。 工具箱更有价值的功能是目标图和泰勒图的绘图功能以及轻松自定义图的功能。 该工具箱包含有关泰勒图的入门知识，以及“示例”文件夹，其中包含示例Matlab脚本的集合，这些脚本显示了如何生成各种格式的目标图和泰勒图。 目标图有6个示例，泰勒图有7个示例，这些示例已从非常简单的图形逐步发展为更具个性化的图形。 这些示例系列提供了有关如何使用target_diagram和taylor_diagram函数的各种选项的简单教程。 它们还为将来如何制作具有特定功能的图提供了快速参考。每个脚本生成的图都是可移植网络图形（PNG）格式，并且文件名与带有后缀“ png”的脚本相同。 可以在“示例”文件夹中找到产生的图的示例，该文件夹的名称与脚本相同，并以“ _example.png”结尾。 例如，由target1.m生成的图被命名为target1_

l-曲线矩阵代码A-LSQR类型的方法提供了计算效率高的正则化p的自动最佳选择 Matlab代码* ：（需要） #Matlab基于LSQR的算法的实现（建议）：reconstruct_cw_lsqr.m（要求目标函数：opt_lambda_cw.m和Lanczos双双角化函数：lsqr_b_hybrid.m **） #Matlab基于L曲线的算法（传统方法）的实现：reconstruct_cw_l_curve.m（需要使用正则化工具**） #Matlab基于GCV的算法（传统方法）的实现：reconstruct_cw_OGCV.m（需要使用正则化工具**） #Matlab基于MRM的算法（传统方法）的实现：reconstruct_stnd_cw_OMRM.m 此Matlab代码用作以下工作的一部分： Jaya Prakash和Phaneendra K. Yalavarthy，“ LSQR型方法在漫射光学层析成像中提供了计算效率高的自动优化正则化参数的选择，” Medical Physics，40（3），033101（2013）。 创建于：2012年9月9日 更新日期：2012年9月11

此提交是一组 m 文件，用于演示如何取任意函数的简单数值导数和 Hessian。 代码中的每一步都有文档记录。 包含一个测试脚本，用于计算测试函数的数值 Hessian 并将其与符号确定的结果进行比较（将数值点替换为符号 Hessian）。 梯度和 Hessian 函数支持不同的容差，并且还计算函数评估的数量，以便了解数值导数的成本。 测试脚本需要符号数学工具箱。

Matlab代码生成fpga wurc_pcores HDL和MATLAB / System Generator模块用于数字信号处理。 实时增益控制模块与LMS6002D和wurc_fw项目集成在一起，用于兼容802.11ac的AGC。 LMS6002D无线电I / Q接口胶水，用于为数字预失真校准系数以及其他命令和控制接口提供软件接口。 对无线电控制线MUX-ing进行简单的单端口控制。 另一个胶合逻辑层。 包含的pcore需要MATLAB和System Generator才能为Virtex-6 FPGA目标生成其Xilinx EDK pcore模块。 个人法律免责声明和许可 以下内容适用于由Ryan E. Guerra编写的此存储库中的代码和模型（除非注释另有说明，否则几乎适用于所有代码和模型）。 （c）瑞安·格拉（Ryan E.Guerra）2012-2016年 本软件按“原样”提供，不提供任何形式的明示或暗示担保，包括但不限于对适销性，特定目的的适用性和非侵权性的担保。 无论是由于软件，使用或其他方式产生的，与之有关或与之有关的合同，侵权或其他形式的任何索赔，损害或其他责任，作

线性跟驰模型的matlab代码扩展卡尔曼滤波器项目入门代码 无人驾驶汽车工程师纳米学位课程 背景 卡尔曼滤波器可用于估计系统状态。 在无人驾驶汽车的情况下，用例例如是无人驾驶汽车跟踪另一辆行驶中的汽车的状态。 该移动车辆的“状态”可以用px，py，vx，vy（X和Y方向上的位置和速度）表示。 这些状态变量可能无法直接观察到，因此需要通过从自动驾驶汽车上的传感器获取的LIDAR和RADAR测量值进行估算。 卡尔曼滤波器的直觉（来自Udacity的演讲） 卡尔曼方程式包含许多变量，因此这里是一个高级概述，以使您对卡尔曼滤波器的工作有一些直观认识。 预测假设我们知道对象的当前位置和速度，并将其保存在x变量中。 现在一秒钟过去了。 我们可以预测一秒钟后物体的位置，因为我们在一秒钟之前就知道了物体的位置和速度。 我们只是假设物体保持相同的速度运动。 x'= Fx +ν方程为我们进行了这些预测计算。 但是也许物体没有保持完全相同的速度。 也许物体改变了方向，加速或减速。 因此，当我们在一秒钟后预测位置时，不确定性就会增加。 P'= FPFT + Q表示不确定性的增加。 过程噪声是指预测步骤中的不确

脉冲雷达系统仿真Matlab代码：雷达方程实现、天线方向图、RCS

matlab尺度变换代码自然电影的空间和变换不变量 感谢您下载/查看此代码！ 提供此代码以伴随研究项目： “从自然电影中学习形式和动作的中间层表示” 查尔斯·卡迪厄（Charles F.Cadieu）和布鲁诺·奥尔什豪森（Bruno A. 该代码是用Matlab编写的。 如果您认为此代码有用，发现任何错误或希望提出改进建议，请与我联系。 我的电子邮件可以在这里找到： 谢谢， 查尔斯·卡迪厄 入门 在此处下载代码： 在此处获取数据： 在Linux下： wget http://redwood.berkeley.edu/cadieu/data/vid075-chunks.tar.gz . tar -zxf vid075-chunks.tar.gz twolayer/data/vid075-chunks “ twolayer”是您放置代码的地方。 我建议从学习脚本开始： run_8.m 该代码将学习第一层基础函数以及相位变换分量和幅度分量。 它运行在8x8图像补丁上，因此您将无法在第二层功能中看到太多的结构。 run_20.m适用于20x20图像补丁。 请注意，您无需在子目录中编译任何C /