自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(3)
  • 收藏
  • 关注

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 1413 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

提示
确定要删除当前文章?
取消 删除