搜索资源列表
transmitter_model_final
- 在BFSK发射机的基本部分是序言和数据输入电路。序言序列定位在每122位的数据包前一共有128位的数据包。序言的主要目的是协助接待，同时提供同步和数据包位。 数据输入电路主要由来自存储元件和卷积编码器与R = 1 / 2。因此，输入位必须被储存在一个临时内存，并在61位的存储区块分区。然后，卷积编码器，并增加了一倍位在邮件的末尾2位更多线索。阿多路可确保正确的序列，编码的比特之间的序言和选择，是传播到下一个阶段。 在下一阶段的发射器由两个直接器（DDS）数字合成器，以及一个用0和
rs
- 针对通信中的数据传输系统存在随机干扰和突发干扰而使接收端收到误码的问题,提出了RS+交织器级联码的纠错方案,并利用MATLAB对RS +卷积交织器级联在加性高斯白噪声和瑞利衰弱信道中的纠错性能进行了仿真分析，并通过使用不同的卷积深度的仿真完成其性能分析。结果表明,在低信噪比的情况下, RS +卷积交织器级联可以满足一般通信的要求,是一种高效的纠错码,在工程中具有较高的实用价值。-Aiming at the data transmission in the normal communication
CDBN-master
- 实现了卷积受限玻尔兹曼机（深度学习的一个重要算法），包括C++和matlab版本-Restricted Boltzmann realized convolution machine (depth study of an important algorithm), including C++ and matlab version
CNN-with-three-pooling-strategy
- 这是matlab的代码，将cnn进行三次池化的代码，可以作为学习卷积神经网络的入门例子-This is a matlab code that will perform three pooled cnn code can be used as a convolution neural network learning introductory example
MOPCNN_code
- matlab 和C++下联合编程构建的多尺度无序的卷积神经网络，是对caffe的一种扩充-MOPCNN source code
MATLAB
- 《MATLAB 神经网络43个案例分析》目录用于学习卷积神经网络，机器学习-machine learning
DeepLearnToolbox_CNN_lzbV3.0
- CNN - 主程序 参考文献: [1] Notes on Convolutional Neural Networks. Jake Bouvrie. 2006 [2] Gradient-Based Learning Applied to Document Recognition. Yann LeCun. 1998 [3] https://github.com/rasmusbergpalm/DeepLearnToolbox 作者：陆振波 电子
CNN Matlab代码
- 利用大量图像数据对卷积神经网络算法进行训练，通过卷积、池化、下采样以及全连接层训练后的卷积神经网络在图像识别精度越来越高。(By using a large number of image data to train the convolutional neural network algorithm, the accuracy of the image recognition is higher and higher by convolution, pooling, down sampling
DeepLearnToolbox-master
- 这是用于深度学习的Matlab工具箱 深度学习是机器学习的一个新的子领域，专注于学习深层次的数据模型。 它的灵感来自于人类大脑的明显的深层次（分层的）层次结构。 目录包括`NN /` - 一个用于前馈反向传播神经网络的库，`CNN /` - 卷积神经网络库，`SAE /` - 堆叠式自动编码器库，`CAE /` - 卷积自动编码器库，`util /` - 库使用的功能函数，`data /` - 实例使用的数据，`tests /` - 单元测试来验证工具箱是否正常工作(A Matlab to
CNNToolbox
- 卷积神经网络工具包，matlab运行，用于图像特征挖掘(convolutional nerual network)
CNN
- matlab实现卷积神经网络的程序，通俗易懂。(Matlab realize convolutional neural network program, easy to understand.)
CNN
- 卷积神经网络matlab代码,内附详细解释。可用于图像识别，数据分类。(this is an zip of matlab code for CNN used for data classification or figure recognization.)
cnn
- matlab卷积神经网络cnn，用于手写字体识别或者其他都可以(matlab cnn For handwritten font recognition or anything else)
CNN_matlab
- 卷积神经网络（CNN）是一种深度学习方法，它可以对图像进行识别和特征分类等优点。(The convolution neural network (CNN) is a deep learning method which can identify and characterize the image.)
CNN-matlab
- 卷积神经网络在matlab中的应用，可自行修改学习率和循环次数(Convolutional Neural Network in Matlab)
matlab实现LeNet
- 卷积神经网络LeNet代码，可实现图片分类(Convolution neural network code)
MNIST_CNN 代码及测试结果
- 只含一层卷积层的CNN也可以将手写数字识别的正确率达到99%(The CNN with only one convolutional layer can also get the correct rate of handwritten digit recognition up to 99%.)
卷积网络matlab实现
- 用卷积神经网络（CNN）进行人脸识别，matlab编程，可用。(Convolutional neural network (CNN) is used for face recognition, and MATLAB programming is available.)
CNN_matlab
- 使用matlab2019a深度学习工具箱实现的CNN卷积神经网络分类例程，数据是随机生成的一维随机数(Using the CNN convolution neural network classification routine realized by MATLAB 2019a deep learning toolbox, the data is one-dimensional random number generated randomly)
MATLAB-LeNet5-master
- 手写体识别 lenet5 LeNet5由7层CNN（不包含输入层）组成，上图中输入的原始图像大小是32×32像素，卷积层用Ci表示，子采样层（pooling，池化）用Si表示，全连接层用Fi表示。下面逐层介绍其作用和示意图上方的数字含义。(Lenet5 is composed of seven layers of CNN)