代码搜索:小样本
找到约 10,000 项符合「小样本」的源代码
代码结果 10,000
www.eeworm.com/read/419963/10826073
m mazi.m
close all
clear all
echo on
a=randn(1,500);%信号样本序列
n=64;
[sqnr,a_quan,code]=u_pcm(a,64);
pause %按任意键可看到信号量化噪声比
sqnr
pause %按任意键可看到前5个输入值
a(1:5)
pause %按任意键可看到前5个量化值
a_quan(1:5)
pause
www.eeworm.com/read/348702/10873983
txt bp神经网络的设计实例前向型神经网络.txt
例1 采用动量梯度下降算法训练 BP 网络。
训练样本定义如下:
输入矢量为
p =[-1 -2 3 1
-1 1 5 -3]
目标矢量为 t = [-1 -1 1 1]
解:本例的 MATLAB 程序如下:
close all
clear
echo on
clc
% NEWFF——生成一个新的前向神经网络
% TRAIN——对 BP 神经网络进行训练
www.eeworm.com/read/465896/7048467
txt matlab函数大全.txt
信源函数
randerr 产生比特误差样本
randint 产生均匀分布的随机整数矩阵
randsrc 根据给定的数字表产生随机矩阵
wgn 产生高斯白噪声
信号分析函数
biterr 计算比特误差数和比特误差率
eyediagram 绘制眼图
scatterplot 绘制分布图
symerr 计算符号误差数和符号误差率
信源编码
www.eeworm.com/read/465904/7048776
txt matlab函数大全.txt
信源函数
randerr 产生比特误差样本
randint 产生均匀分布的随机整数矩阵
randsrc 根据给定的数字表产生随机矩阵
wgn 产生高斯白噪声
信号分析函数
biterr 计算比特误差数和比特误差率
eyediagram 绘制眼图
scatterplot 绘制分布图
symerr 计算符号误差数和符号误差率
信源编码
www.eeworm.com/read/465907/7048785
txt matlab函数大全.txt
信源函数
randerr 产生比特误差样本
randint 产生均匀分布的随机整数矩阵
randsrc 根据给定的数字表产生随机矩阵
wgn 产生高斯白噪声
信号分析函数
biterr 计算比特误差数和比特误差率
eyediagram 绘制眼图
scatterplot 绘制分布图
symerr 计算符号误差数和符号误差率
信源编码
www.eeworm.com/read/465913/7048875
txt dictionarymatlab.txt
信源函数
randerr 产生比特误差样本
randint 产生均匀分布的随机整数矩阵
randsrc 根据给定的数字表产生随机矩阵
wgn 产生高斯白噪声
信号分析函数
biterr 计算比特误差数和比特误差率
eyediagram 绘制眼图
scatterplot 绘制分布图
symerr 计算符号误差数和符号误差率
信源编码
www.eeworm.com/read/465925/7048961
txt matlab函数大全.txt
信源函数
randerr 产生比特误差样本
randint 产生均匀分布的随机整数矩阵
randsrc 根据给定的数字表产生随机矩阵
wgn 产生高斯白噪声
信号分析函数
biterr 计算比特误差数和比特误差率
eyediagram 绘制眼图
scatterplot 绘制分布图
symerr 计算符号误差数和符号误差率
信源编码
www.eeworm.com/read/450826/7476337
asv e5_2.asv
% Example52PT
clc;
clear all;
'正在生成输入向量和目标向量,请稍等…'
for kk=0:89
p1=ones(16,16);% 初始化16×16的二值图像像素值(全白)
m =strcat(int2str(kk),'.bmp');% 形成训练样本图像的文件名(0~89.bmp)
x=imread(m,'bmp
www.eeworm.com/read/450826/7476344
m e5_2.m
% Example52PT
clc;
clear all;
'正在生成输入向量和目标向量,请稍等…'
for kk=0:89
p1=ones(16,16);% 初始化16×16的二值图像像素值(全白)
if mod(kk,10)==0
m =strcat(int2str(kk),'.bmp');% 形成训练样本图像的文件名(0~89.bmp)
www.eeworm.com/read/444453/7612543
m bestsearch.m
function [x,y,z,B,row]=BestSearch(X,Y,Z,P,d)
% B为输出的最大界值。 X,Y,Z为三个类的样本矩阵。row为最优的特征。P为先验概率
N=length(X);
for i=1:1:N
x=X;y=Y;z=Z;
x(:,i)=[];y(:,i)=[];z(:,i)=[];
% 去掉第i个特征
a(i)