针对准循环低密度奇偶校验(QC-LDPC)码中准循环基矩阵的移位系数确定问题,该文提出基于等差数列(AP)的确定方法。
该方法构造的校验矩阵的围长至少为8,移位系数由简单的数学表达式确定,节省了编解码存储空间。
研究结果表明,该方法对码长和码率参数的设计具有较好的灵活性。
同时表明在加性高斯白噪声(AWGN)信道和相信传播(BP)译码算法下,该方法构造的码字在码长为1008、误比特率为510-时,信噪比优于渐进边增长(PEG)码近0.3dB。
1
bp神经网络进行交通预测的Matlab源代码BP神经网络用于预测使用平台-Matlab7.0数据为1986年到2000年的交通量,网络为3输出,1输出15组数据,其中9组为正常训练数据,3组为变量数据,3组为测试数据
2022/9/4 10:33:54 3KB BP神经网络 交通量
1
运用c#编写的,时间序列预测程序,算法是BP、RNN神经网络
2022/9/4 7:01:48 133KB C# 神经网络 时间序列预测
1
基于BP神经网络的粮食产量与化肥用量相关性研讨
2022/9/3 1:56:26 456KB 研究论文
1
基于BP神经网络,测试集辛烷值含量预测结果对比
2022/9/3 1:26:11 169KB BP神经网络
1
很经典的神经网络控制源程序,运用BP算法,能直接运用,很有参考价值。
2018/7/21 14:11:21 66KB 神经网络 PID DSP C语言
1
基于BP算法神经网络的负荷预测,对某实测7日内数据为样本,举行方针预测。
2020/2/11 16:19:39 2KB BP算法 负荷预测
1
立体匹配是深度估计的基础。
而bp算法和graphcut算法是比较成功的处理立体匹配(全局)的算法,这里有几种经典的基准源代码,以及代码使用方法及部分注释。
一些小的改变甚至于可以不需要知道算法步骤即可实现。
2017/6/24 21:18:20 13.65MB 立体匹配 BP graph-cut stereo-matching
1
BP神经网络分类MATLAB代码+测试数据,亲测绝对可运转,绝对业界良心
2020/2/8 7:28:54 3KB BP神经网络 MATLAB
1
,利用TOPSIS法计算网络训练理想输出样本值。
首先建立起包括3个投入和4个产出的企业技术创新测度评价目标体系,然后根据综合评价要求和网络训练学习的可行性、有效性,设计出3.1O.1拓扑结构的BP神经网络模型,其中,网络输入为3个技术创新投入测度,网络输出为1个技术创新测度评价值,而用于神经网络训练学习的理想输出是根据4个技术创新产出测度,运用TOPSIS法计算得出的综合评价值。
实证部分,以9家上市企业近四年技术创新投入产出目标值样本为例,运用本文所提出的方法,借助MATLAB神经网络工具箱,通过大量的学习样本的测试和训练,使模型的误差值达到预定的范围内,从而建立起可用于企业技术创新测度综合评价的神经网络模型。
2017/8/12 4:40:07 976B topsis matlab 源码
1
共 569 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡