基于kronecker压缩感知和基本元胞自动机加扰的图像加密和压缩

快速 Kronecker 矩阵乘法，适用于全矩阵和稀疏矩阵任何大小。 从不计算实际的 Kronecker 矩阵并省略乘以单位矩阵。 y = kronm(Q,x) 计算y = (Q{k} kron ... Q{2} kron Q{1})*x 如果 Q 仅包含两个矩阵且 x 是向量，则代码使用身份( Q{2} 克朗 Q{1} )*vec(X) = vec(Q{1}*X*Q{2}'), 其中 vec(X)=x。 如果 Q 包含两个以上的矩阵和/或如果 x 有更多除了一列之外，该算法使用此身份的广义形式。 该算法的思想是将 x 视为一个多维数组并分别为每个维度 i 应用线性映射 Q{i}。 致谢： 此代码遵循与 Paul G. Constantine & 的“kronmult”相同的想法David F. Gleich（斯坦福大学，2009 年）。 但是，我避免循环并允许非平方输入 Q{i}。 我还

该文件可替代 Matlab 的 kron.m。 它包含更有效的 Kronecker 产品实现，用于密集、稀疏和逻辑矩阵。

pytorch-a2c-ppo-acktr请使用本自述文件中的超级参数。 使用其他超级参数，可能无法正常工作（毕竟是RL）！ 这是Advantage Actor Critic（A2C）的PyTorch实现，同步pytorch-a2c-ppo-acktr请使用本自述文件中的超级参数。 使用其他超级参数，可能无法正常工作（毕竟是RL）！ 这是Advantage Actor Critic（A2C）的PyTorch实现，这是A3C近端策略优化PPO的同步确定性版本，用于使用Kronecker因子近似ACKTR生成的对抗模仿学习GAIL进行深度强化学习的可扩展信任区域方法另请参阅OpenAI帖子：A2C / ACKTR和PPO获得更多信息

基于Kronecker积的图像超分辨率快速算法

离散控制Matlab代码KDRSDL 代码（ICCV 2017）。 作者： 该代码改编自我在帝国大学的理学硕士论文（2016年夏）。 要求 Matlab（在Matlab 2015a及更高版本上测试） 图像处理工具箱，用于产生噪声（ imnoise噪声） 离散时间Silverster方程求解器（ dlyap ）的控制系统工具箱 可选：并行计算工具箱 如何使用代码 主要功能是kdrsdl 。 function [ Data , Info ] = kdrsdl ( X , varargin ) Data和Info是分别包含分解的恢复组成部分和一些用于监视收敛性的信息（迭代数和每个步骤的停止标准值）。 Experiments文件夹包含示例数据集以及帮助程序功能。 参数 所支持选项的参考。 'r'（整数） 在模式1和模式2等级的上限，代码矩阵Rn的最大维数为r*r 。 对于m*n矩阵min(m, n)默认为min(m, n) 。 'lambda'（双精度） 优化问题中的lambda参数。 对于m*n*N张量1 / sqrt(N * max(m, n))默认为1 / sqrt(N * max(m,

这项工作解决了使用压缩传感 (CS) 技术从单传感器相机恢复多光谱图像的问题。 这是一项探索性工作，因为以前没有解决过这个特殊问题。 因此，我们不会试图“竞争”和“超越”任何先前的工作。 我们考虑了两种类型的传感器阵列——均匀和随机； 以及两种恢复方法-Kronecker CS和小组稀疏重建。

详细证明kronecker积的结合律、转置、逆、迹的性质，是矩阵代数与控制、博弈课程的课后作业。

本压缩包是克罗内克积压缩感知的仿真代码，仿真平台为Matlab。具体的先验知识请参考2012年发表在IEEE Transcations on Image Processing的第21卷2期的论文“Kronecker Compressive Sensing”。

Kronecker Products and Matrix Calculus With Applications (Mathematics and Its Applications)