矢量量化原理与应用本书介绍矢量量化的基本原理，各种矢量量化的构造和设计方法，以及矢量量化在语音编码，图像编码，语声识别与合成中的应用。 全文目录 第一章 概述 一、引言 第二章 矢量量化的基本原理 第三章 矢量量化系统 第四章 有记忆矢量量化器 第五章 快速搜索算法 第六章 矢量量化的应用 参考文献 二、无记忆标量量化 1均匀量化 2压缩与扩张 3最小二乘方量化与Lloyd—Max算法 三、有记忆标量量化 1差值脉码调制（DPCM） 2增量调制（△M） 一、矢量量化的定义与矢量量化器的构造 1矢量量化的定义 2失真测度 3矢量量化器 二、最佳矢量量化器 1最佳矢量量化器概念 2设计最佳矢量量化器的必要条件 三、矢量量化器的设计算法 1LBG算法 2初始码书的选定与空胞腔的处理 3其它设计算法 四、矢量量化压缩数据的机理 五、矢量量化与标量量化的比较 一、基本矢量量化系统 1矢量量化器的复杂度 2时间复杂度 3空间复杂度 二、树搜索矢量量化器 1树搜索原理 2树结构的设计 3树搜索矢量量化器的复杂度 三、多级矢量量化器 1多级矢量量化器的构造 2多级矢量量化器码书的设计 3两极矢量量化器 4多级矢量量化器的复杂度 四、乘积码矢量量化器 1增益/波形矢量量化器 2分离均值矢量量化器 五、格形矢量量化器 1根格的定义及其某些性质 2输入矢量在K维整数格Zk中的最近格点 3输入矢量X至E8中的最近格点 4格点的标号 5根格的格点 六、变换域中的矢量量化 一、有记忆矢量量化器的分类 二、反馈矢量量化器 1预测矢量量化器（PVQ） 2有限状态矢量量化器（FSVQ） 三、自适应矢量量化器 1增益自适应矢量量化器 2自适应矢量预测编码（AVPC） 一、搜索算法复杂度的度量方法 1三元组度量法 2乘法次数度量法 二、投影法 三、超立方体法 四、最小最大法 一、矢量量化在图像编码中的应用 1设计任务要求 2方案选择 3设计步骤 4实验结果 二、矢量量化在语音编码中的应用 1VQLPC声码器 2语音波形编码器的硬件实现 三、矢量量化在模式识别中的应用 1采用类音素模板的单词识别系统 2隐马尔可夫模型单词识别系统

原模型为pytorch转后得到的onnx文件hrnet_coco_w32_256x192.onnx，用的coco val数据集做的量化，输入为（1，3，256，192），输出为（1，17，64，48）的关键点热图，后面通过高斯化函数可得到关键点，结果经测试。

均匀量化和非均匀量化比较matlab实现

语音量化误差的计算，很简单的小测试程序，对于语音量化的同学来说不错

一、研究背景与目的 二、实习招聘信息数据的获取与说明 三、LDA 主题模型提取技能要求 四、LDA 主题模型量化技能要求

高分5000,token做完实验，下载数据后，跟大家共享。

量化投资策略源码模型量化策略代码量化选股 量化择时量化资产配置财务指标选股研究系列成长股选股模型多因子选股模型事件驱动策略系列选股因子研究系列分析师荐股能力评定与跟踪利用分析师盈利预测数据挖掘投资机会度量市场“恐惧与贪婪”的量化择时指标量化择时——度量市场“恐惧与贪婪”的量化择时指标通过产业资本增减持数据构建的量化择时指标风格轮动模型行业基本面预测模型行业轮动模型

量化器 量化器设计这组例程设计和评估标量量化器。 标量量化器由一组判定值和一组输出值定义。 Lloyd-Max 算法用于设计基于给定概率密度函数的最小均方误差标量量化器。 有两个基本的设计例程：QuantOpt 设计通用非均匀间隔量化器，QuantUnif 设计均匀间隔量化器。 对于每个，量化器还可以被限制为具有对称间隔的级别。 支持多种不同的概率密度函数。 1. 统一：统一的 pdf 导致统一的量化器2.高斯：高斯pdf 3.拉普拉斯：双面拉普拉斯pdf 4. Sine：随机相位正弦波的pdf 5. Gamma：Gamma pdf（参数为1/2的广义伽马分布） 6. Generalized Gamma：用附加参数指定的Generalized gamma pdf 7.制表：由一组点指定的pdf。 这些点是 (x,p) 对。 假定 pdf 在给定点和点外零之间是线性的。 对于足够平滑的 p

计算机体系结构 —量化研究方法 第四版 (答案)

vn.py是基于Python语言的量化交易系统，是目前国内最好的开源量化交易平台之一。 vn.py是机构级别的量化交易软件，掌握vn.py框架原理并且熟练使用，有利于快速入门量化交易，搭建自己的量化交易系统，也可以在机构中找到与量化岗位相关的工作。 本文是原创作品，针对vn.py的最新版本2.0.7，从源码的下载、安装、主程序入口、主窗口入手，先跟您一起把源码运行起来。再聚焦于vn.py的一个重要应用“CTA回测”，从各个层次上分析其源码，包括相关的数据库操作、多线程机制、事件引擎机制等，把这个应用从顶到底，再从底到顶贯通起来。明白了这些内容，再分析其它的功能就会事半功倍。 本文适合想要分析 vn.py源码的人，还要看清楚软件版本，否则请不要下载，免得浪费积分。