- 博客(3)
- 收藏
- 关注
RSS订阅转载 [通信基础]数字调制和编码率概述
在数字信号处理的过程中，往往需要对模拟信号进行抽样、量化、编码最终转化为数字信号再由计算机进行计算处理。编码率，则是对模拟信号采样、量化、编码完成后，数据流中的有用信息部分所占的比例。编码率（又称为编码速率或编码效率）是数据流中有用部分（非冗余）的比例。也就是说，如果编码率是k/n，则对每k位有用信息，编码器总共产生。最近在学习OFDM系统的时候看到了一些关于数字调制和编码率的内容，查阅资料以后记录一下~
2022-12-10 16:25:11
1414
1
原创 [深度学习基础]正则化
正则化本身是一种可以防止深度神经网络出现过拟合现象的技术，可以用于提高深度学习模型在面对新数据时的准确性和预测有效性。过拟合指的是神经网络模型面对训练数据时，性能表现非常优秀，但是当它从同一个问题领域输入新的数据时，模型效果会变差。正则化是深度学习神经网络模型在训练过程当中常用的一种手段，使用正则化处理的主要目的是给网络的损失函数加以限制，防止其在训练过程当中“失控”；其次，是为了通过降低模型的复杂度，降低模型对于数据的依赖程度，防止出现过拟合现象。
2022-11-30 19:10:42
1868
原创 [深度学习基础]激活函数和损失函数
Sigmoid函数的图像如下图所示，其函数曲线在坐标轴上呈现"S"型，经典的S型分布是正态分布的累积分布函数，由于神经网络当中的变量、数据样本分布通常具有正态分布的特性，因此需要Sigmoid函数加入网络模型当中辅助神经网络更好地拟合数据分布。使用Sigmoid的另外一个原因在于该函数的值域为[0,1]，可以用于输出预测概率值。激活函数通常分为线性激活函数和非线性激活函数，因此激活函数的类型决定了网络该层的输出是线性的还是非线性的，并且激活函数的选择也对神经网络性能、模型收敛速率起到了很大的影响作用。
2022-11-29 21:36:59
3634
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人