详细描述了过采样、欠采样的原理,并就实际工程应用给出了2者的对比。
2021-09-28 10:23:08 1.19MB 欠采样定理
1
电信设备-移动式地质采样装置.zip
2021-09-27 10:00:12 288KB 资料
CPRND 使用 Gibbs 采样器、命中并运行采样器或自适应居中的命中运行采样器从由线性不等式系统 Ax < b 定义的多胞体内部的均匀分布中抽取样本。 提供各向同性变换选项。
2021-09-26 22:52:53 2KB matlab
1
系统建模与simulink仿真课件资料-第5章 采样控制系统仿真.pdf 系统建模 与仿真  好资料  特清晰 第14章 离散事件系统仿真结果分析.pdf
2021-09-26 15:25:39 167KB matlab
1
给出了集中PT100采样电路,并就PT100,AD采样调试对表给出了详细的经验
2021-09-25 17:52:35 130KB PT100 AD采样
1
ADUC848_AD采集
2021-09-23 18:01:44 48KB ADUC848 AD采样
1
ADUC847 24位AD采样程序。 微小信号的采集
2021-09-23 17:49:26 173KB ADUC847 24位AD
1
当使用粒子过滤器来逼近未知分布时,应该使用多少个样本? 太少可能无法对分布进行充分采样,而太多则会不可接受地增加运行时间。 Dieter Fox 的 KLD 采样算法让使用自适应地估计需要多少样本。 这个类促进(实现)这个方法。 引文: 福克斯,迪特。 “通过 KLD 采样调整粒子过滤器中的样本大小。” 国际机器人研究杂志 22.12 (2003): 985-1003。
2021-09-23 00:55:51 9KB matlab
1
单路径一枪NAS 此存储库提供了Zichao Guo等人基于Pytorch的SPOS()的实现。 al。 此仓库仅包含“块搜索”以供参考。 在ImageNet上训练该网络非常耗时,这使我无法在现有资源下完成实验。 因此,此回购协议主要集中在CIFAR-10上,非常感谢Zichao Guo在某些细节上的建议。 但是,与仍有一些差异,例如数据预处理和一些超级参数。 我已经对CIFAR-10数据集进行了超网训练,并随机采样了1K模型进行验证。 模型检查点和精度分布如下: 超级网 随机搜索 环境环境 Python == 3.6.8, Pytorch == 1.1.0, CUDA == 9.0.176, cuDNN == 7.3.0, GPU == Single GTX 1080Ti 数据集 SPOS可以直接在CIFAR-10和ImageNet上进行训练。 可以使用此代码自动下载CIFA
2021-09-22 18:33:07 101KB Python
1
【ch10-卷积神经网络】 池化与采样.pdf
2021-09-21 11:01:39 1.01MB 互联网