这是有关压缩感知综述的PPT，比较全面，浅显易懂，并有简单的仿真

本文档主要包括压缩感知的综述类文章，对于理解压缩感知有很好的帮助。

收集了10篇有关压缩感知的文献，包括原理、及其在各个领域的应用，pdf格式，适合从事相关研究工作人员阅读参考

“与”、“或”运算感知器，代码中默认的是进行与运算，修改代码中的训练数据即可改变感知器类型。

网上找了很多，一个文件夹里，有很多matlab代码的，供大家参考学习

用MATLAB实现感知器线性分类。只要训练样本集是线性可分的，对于任意的初值 a(1) ，经过有限次叠代，算法必定收敛。 感知器是最简单可以“学习”的机器，可以解决线性可分的问题。当样本线性不可分时，感知器算法不会收敛。实际应用中直接使用感知器的场合并不多，但他是很多复杂算法的基础。

感知相似性指标和数据集 深度特征作为感知指标的不合理有效性（ ，（ ，（ ，（ ，（ 。 在 ，2018中。 快速开始 运行pip install lpips 。 下面的Python代码就是您所需要的。 import lpips loss_fn_alex = lpips . LPIPS ( net = 'alex' ) # best forward scores loss_fn_vgg = lpips . LPIPS ( net = 'vgg' ) # closer to "traditional" perceptual loss, when used for optimizat

python-pesq 适用于Python用户的PESQ（语音质量的感知评估）包装 这段代码是专门为numpy数组设计的。 要求 C compiler numpy cython 编译安装 $ git clone https://github.com/ludlows/python-pesq.git $ cd python-pesq $ pip install . # for python 2 $ pip3 install . # for python 3 $ cd .. $ rm -rf python-pesq # remove the code folder since it exists in the python package folder 用pip安装 # PyPi Repository $ pip install pesq # The Latest Version $ pi

多层感知机（MLP，Multilayer Perceptron）也叫人工神经网络（ANN，Artificial Neural Network），除了输入输出层，它中间可以有多个隐层，最简单的MLP只含一个隐层，即三层的结构，如下图最简单的MLP： 上图模型pyTorch代码： import torch from torch.nn import functional as F x = torch.randn(1, 10) # 输入x的特征有10个 w = torch.randn(3, 10, requires_grad=True) # 一个隐藏层，节点个数为3 b = torch.rand

当前信号处理领域的热点之一——压缩感知的数学著作。尽管称为introduction，但还是有相当难度的。学好此书，对于发压缩感知方面的文章大有裨益。