暂无评论
考虑到各阵元接收的实际环境噪声可能是相关的,以及风成噪声和远处航船噪声等因素的影响,环境噪声强度的空间分布可能具有方向性。利用非均匀环境噪声模型,结合稀疏谱拟合算法,提出了一种基于稀疏谱拟合的超分辨方
自动调制识别在认知无线电、智能解调器、电子侦察等各种民用及军事应用中扮演重要角色。自动调制识别属于分类问题,常见的方法有KNN、DT、SVM、CNN。为了提高自动调制识别的准确度,基于GNU Radi
伪装人脸识别在刑侦安防领域有着巨大的应用价值。针对现阶段对伪装人脸识别的研究较少、算法鲁棒性不强等缺点,提出了基于深度神经网络的伪装人脸识别算法。改进了SqueezeNet网络模型,并将其与FaceN
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinto
基于深度学习的卷积神经网络matlab代码,直接利用matlab自带的CNN工具包设计深度学习网络,代码可以直接运行,也便于修改,主代码很短,很容易理解。提供全套训练数据与测试数据,稀有资源
本文介绍鲁棒性的一些知识，其中还有有关控制器的一些知识
基于条件Copula-GARCH模型的VaR估计，段福林，，在险价值(ValueatRisk简写成VaR)在风险管理中起到了非常重要的作用，投资组合中VaR的计算通常假设资产收益率序列的联合分布是多元
考虑了用于多输入多输出(MIMO)信道估计的鲁棒训练序列设计的问题。 特别地,我们旨在使信道估计的最坏情况均方误差最小化,该最小均方误差被表述为最小极大优化问题。 在任意紧致凸不确定性集合的一般假设下
Original: Real-time traffic sign detection and boundary estimation based on convolutional neural net
本文综述了前馈神经网络和循环神经网络的鲁棒性验证方法，讨论了这两种网络结构在不同领域中的应用。鲁棒性验证是保证神经网络在输入数据发生变化时保持稳定性和可靠性的重要方法。作者刘颖对前馈神经网络和循环神经
暂无评论