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)