利用fft实现线性卷积。
已知序列x1=[1234],x2=[136542]；
利用conv函数求x1和x2的线性卷积y(n)并绘出图形；
另外，利用fft求x1和x2的9点循环卷积，并绘出图形；
在用fft求x1与x2的8点和10点循环卷积，并绘出图形，比较四次结果，说明线性卷积与循环卷积的关系。
已知序列x1=[1234],x2=[136542]；
利用conv函数求x1和x2的线性卷积y(n)并绘出图形；
另外，利用fft求x1和x2的9点循环卷积，并绘出图形；
在用fft求x1与x2的8点和10点循环卷积，并绘出图形，比较四次结果，说明线性卷积与循环卷积的关系。
2024/9/26 21:18:12
841B
1
研究深度学习和卷积神经网络的同学都知道Mnist这个数据库，它是一个手写数字的图像数据集，可以用来作为网络训练的基准测试数据库。
原版数据集是以特定格式存储的四个文件，包括乱序排列的60000个训练样本与10000个测试样本，以及它们对应的标签向量。
现将其中的图片从原文件中读取出来，重新转化为png格式，并将测试集和训练集分别按0~9进行分类，并存放在各自的子文件夹中，以便各位同学进行科研与实验之用。
原数据集下载地址为：http://yann.lecun.com/exdb/mnist/
原版数据集是以特定格式存储的四个文件，包括乱序排列的60000个训练样本与10000个测试样本，以及它们对应的标签向量。
现将其中的图片从原文件中读取出来，重新转化为png格式，并将测试集和训练集分别按0~9进行分类，并存放在各自的子文件夹中，以便各位同学进行科研与实验之用。
原数据集下载地址为：http://yann.lecun.com/exdb/mnist/
2024/9/8 13:11:22
22.3MB
1
目的：使用CNN卷积神经网络实现语音识别步骤：（1）预处理。
首尾端的静音切除，降低对后续步骤造成的干扰，然后进行声音分帧，把声音切开成帧，，各帧之间一般是有交叠。
（2）特征提取。
运用的算法为倒谱系数（MFCC），把每一帧波形变成一个包含声音信息的多维向量；
（3）RNN模型训练。
有了特征，就可以使用TensorFlow完成模型的建立和训练了。
（4）验证模型。
目标：对相应的声音数据进行分类，例如数据的是数数的数据，能够输出对应的数字。
首尾端的静音切除，降低对后续步骤造成的干扰，然后进行声音分帧，把声音切开成帧，，各帧之间一般是有交叠。
（2）特征提取。
运用的算法为倒谱系数（MFCC），把每一帧波形变成一个包含声音信息的多维向量；
（3）RNN模型训练。
有了特征，就可以使用TensorFlow完成模型的建立和训练了。
（4）验证模型。
目标：对相应的声音数据进行分类，例如数据的是数数的数据，能够输出对应的数字。
2024/9/7 10:11:28
5KB
1
CNN卷积神经网络tensorflow代码，使用MNIST数据集，安装好python和TensorFlow可直接运行
2024/9/7 0:46:24
4KB
1
利用SIMULINK仿真模块对卷积码的编码及Viterbi译码的全过程进行了设计,然后将译码模块中的Tracebackdepth分别设置为20,35,50并在一幅图中画出这三种方式下的误码性能曲线。
2024/9/4 22:11:32
11KB
1
MatConvNet是一个实现卷积神经网络（CNN）的MATLAB工具箱，用于计算机视觉应用。
用这个工具箱，能很方便地在MATLAB中用GPU来进行训练。
用这个工具箱，能很方便地在MATLAB中用GPU来进行训练。
2024/8/30 4:46:30
1.87MB
1
基于tensorflow和pycharm实现基于卷积神经网络的手写字体识别系统，并上传制作好的课程文件，以供大家直接使用，代码亲测可用
2024/8/16 22:04:18
1020KB
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