haoshu1231的博客

1、图信号处理面临的挑战 Challenge1 : Shifting 加权图是不规则结构，缺少平移不变的平移概念。 f(t-n)不再有意义。因此不能直接应用卷积。 特殊情况：环形图，其拉普拉斯算子是循环的，因此这类图是高度规则的。 Challenge2 : Transform 图的频谱是离散的且不规则地间隔开。 对于实数信号而言，可以通过乘以负数指数对应到傅里叶域内。因此对于图而言，也需要一个频域转换规则，否则无法进行卷积。 Challenge3 : Downsampling 对于数值离散信号，我们很容易

最近在学习ESN的过程，遇到以下部分源码段： // Sequence lengths int W = 100; // Wash-out int T = 2900; // Training int F = 20; // Testing int V = 20; // Validation int J = (int)Math.floor((W + T) / (W + F)) - 1; // Testing pairs 关于Wash-out的用途，https://zhuanlan.zhihu.com/p/4.

转自zhiyong_will http://blog.csdn.net/google19890102/article/details/18222103 一、极限学习机的概念     极限学习机(Extreme Learning Machine) ELM，是由黄广斌提出来的求解单隐层神经网络的算法。     ELM最大的特点是对于传统的神经网络，尤其是单隐层前馈神经网络(SLFNs)，

转至： http://www.matlabsky.com/thread-4084-1-1.html 先看看Matlab官方的解释，请如下操作： 在Matlab的Command Window中输入doc adapt或者doc train，将滚动条拖到最后有一个Algorithm说明，这里有两个函数的计算介绍。 adapt