近年来，已经从压缩感测（CS）理论的角度解决了有关稀疏连续信号恢复的各种应用，例如源定位，雷达成像，通信信道估计等。 但是，在考虑任何实际使用时，有两个主要缺陷需要解决。 第一个问题是由任意定位的未知数与预先指定的字典之间的基础不匹配导致的离网问题，这将使常规CS重建方法的性能大大下降。 第二个重要问题是对低复杂度算法的迫切需求，尤其是在面对实时实现的需求时。 在本文中，针对这两个问题，我们提出了三种快速，准确的稀疏重建算法，分别称为HR-DCD，Hlog-DCD和Hl（p）-DCD，它们基于同构，二分坐标下降（DCD） ）和网格优化技术相结合，实现了迭代和非凸正则化。 实验结果证明了所提算法和相关分析的有效性。
2021-03-16 22:08:26
856KB
1
糖尿病发作检测
@machinelearning{han2021cs,
title={Diabetes Onset Detection using Keras Model},
author={Nguyen, Han},
year={2021},
associate={Personal Project}
}
简要描述;简介
该项目是一个基于机器学习的应用程序，通过Keras模型和寻找最佳超参数的训练方法（使用网格搜索和scikit-learn并优化神经元数量）来预测个人是否患有糖尿病。
有关更多详细信息，请参阅《
我学到的是
在这个项目中，我利用自己的知识来构建Keras模型，以及对参数的不同更新（从学习率，辍学，激活，神经元初始化），以了解哪种方法可以产生最佳的准确性。 我还了解到，使用此模型，训练精度非常高； 但是，测试精度略低于80％。 这意味着我们在误报和误报方面
2021-03-16 14:07:09
23KB
1
针对传统重建算法对火焰重建精度低、重建速度慢的问题,提出了基于正则先验的全变差代数迭代(ARTTV)算法,以提高对称与非对称火焰的重建精度。同时,为了提高重建速度,建立了基于“ARTTV-粒子群算法(PSO)内核”的极限学习机(ELM)神经网络,该神经网络具有与迭代算法近乎相同的重建能力,同时又具有超过迭代算法约300倍的重建速度。
2021-03-12 21:41:57
7.71MB
1
构造正则表达式的简化DFA算法论文
介绍了构造等价于给定正则表达式的简化确定有限自动机(DFA) 的算
法. 方法是首先构造与正则表达式等价的非确定有限自动机(NFA) , 这里省略了构
造带E动作的有限自动机的操作, 然后用状态树构造与该NFA 等价的简化DFA. 这
个算法在计算机上已实现, 并且对输入的任意正则表达式, 都可以输出等价于正则
表达式的简化DFA. 该算法可以用于某些离散信息处理系统的设计与分析.
2021-03-10 15:16:14
267KB
1