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。
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。
2022/9/6 11:26:54
126KB
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
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。
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
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。
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
1
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