极化码和机器学习
文章平均质量分 64
极化码与神经网络
Stockholm_Sun
这个作者很懒,什么都没留下…
展开
-
PyTorch Geometric MPNN学习笔记(实现向)
建立消息传递网络MPNN本文主要从实现层面讲解代码。在Graph中,如果将卷积这一操作推广到其他域中时,往往用邻域聚合或消息传递来表示。接下来有定义几个Notation:xi(k)\textbf{x}_i^{(k)}xi(k)表示第kkk次迭代的节点iii的节点特征;ej,i\textbf{e}_{j,i}ej,i表示从节点jjj到节点iii的(可选的)边缘特征;iii被约定为单向边的目的节点;jjj被约定为单向边的源节点;N(i)\mathcal{N}(i)N(i)表示节点iii的邻居节原创 2021-07-28 20:47:11 · 1523 阅读 · 0 评论 -
MKL只会矩阵运算?快来看看它的FFT和IFFT!
MKL的FFT和IFFT实现MKL是Intel公司推出的一项数学库,其功能主要是用于加速矩阵运算等。最近的工作中接触到了MKL。但你以为MKL除了加速处理矩阵就啥也不会了么?非也!它甚至可以进行快速傅里叶及其逆运算!简直是CS和EE领域的一大福音!那么它究竟怎么去完成呢?在这里我仿了一个C语言的代码,主要是做了一次FFT,再做一次IFFT,那么它的结果应该和一开始一样的。值得一提的是Nfft一定要是2的幂次,具体原因详见任意DSP教材(然而我并没有修过辣)。代码如下:#include <原创 2021-03-18 23:43:27 · 2276 阅读 · 1 评论 -
如何推导MMSE检测公式?
如何推导MMSE检测公式?这两天用到MMSE检测,对于它的推导,我前期只是在“知其然”,今天就来“知其所以然”,来证明一下MMSE检测公式。MMSE检测用来求解什么?首先,要知道信道的基本模型:y=Hx+n\textbf{y}=\textbf{H}\textbf{x}+\textbf{n}y=Hx+nH\textbf{H}H是信道矩阵,x\textbf{x}x是发送信号向量,n\textbf{n}n是噪声向量。目标是用MMSE(最小化均方误差)的方法,求得使得x^\hat\textbf{x}x^原创 2021-03-13 23:25:57 · 3959 阅读 · 1 评论 -
Python如何加速for循环?除了Numba @jit之外还有什么方法?
今天聊聊Python 3.0的Numba库的即时编译@jit(Just in Time)。故事背景:知乎某小透明提出的一个问题Python的多重for循环可以用什么办法克服其速度慢的缺陷(numba@jit除外)?最近在回看自己之前打的代码,发觉一份项目里的Python代码里面,有一个三重循环十分耗时间,使用numba的话提升效果并不明显,想问问大家如何去解决。大家一起来讨论下吧~这个循环是在迭代的更新两个矩阵内元素,算法内的迭代并不支持用矩阵思想来批量处理,从而达到加速的目的。Reply现在原创 2020-08-17 11:42:33 · 15693 阅读 · 4 评论 -
PAC的编码
PAC的那些事儿编码方法:PAC的编码是基于两个原创 2020-07-27 20:29:59 · 1133 阅读 · 0 评论 -
长短期记忆网络(LSTM)及其量化方法
长短期记忆网络(LSTM)LSTM是一个比较常见的用于股市分析、序列数据预测的一种RNN网络。在1999年首次被提出[1]。本文主要从不借助Keras或Tensorflow的裸代码的角度,通过复现单层LSTM的神经网络,使读者更加理解这样的一个过程。Motivation本文的Motivation:在研究过程中发现,有时需要调整网络的精度或要求内部变量被量化,而TFLite并没有提供LSTM网络的模型,那么我们只能手打LSTM去解决这样的一个问题。Priciple原理图就不放了,网上一抓一大堆。原创 2020-07-26 21:55:42 · 3019 阅读 · 0 评论 -
Python 学习及项目笔记
前言近期在做的项目中有一些关于Python数据处理——Numpy的东西,以及一些Python的基本操作,在这里进行一些分享和记录吧,也记录一些自己掉进去过的坑,也希望能帮到大家啦。本文环境:Windows10+Anaconda(tensorflow on CPU)+Jupyter Notebook+Python 3.7.2正文取整操作和C++一样的,对某个数值向下取整。import ...原创 2020-03-20 19:11:45 · 251 阅读 · 0 评论 -
因子图与和积算法
极化码置信传播(BP)译码算法的基本入门课——消息传播算法、因子图与和积算法,亲测,文章的例子和思路都很清晰,分享给大家~鸣谢:文字转自chuancyli 在198...转载 2020-02-13 10:48:11 · 2945 阅读 · 0 评论 -
BP相关论文的一些总结(待结)
阅读论文Belief Propagation Decoding of Polar Codes using Intelligent Post-processing内容复述及理解:1.概述了Polar Code和Original BP Decoding2.详细解释了IP - BP的运行过程,在正常的BP迭代后如果CRC判决不通过,则进行Intelligent post-processing,而...原创 2019-11-15 08:12:46 · 547 阅读 · 0 评论 -
SC/BP基础记录本
SC译码已知信息位和信息/冻结比特分布情况。首先求算接收信道的LLR,实质上就是根据0/1的概率比较来判定。对于每一层向左迭代时,有LLR的迭代公式。对于冻结比特,直接判定其为约定好的数值;对于信息比特根据大于0与否,赋值为0/1。SSC针对于rate-0节点(全零子树),直接无需遍历其子树,也就是它的后代不会被激活。针对于rate-1节点,通过公式的推导/数学归纳法,可以在下传数据α...原创 2019-11-15 08:10:20 · 679 阅读 · 0 评论