用卷积滤波器MATLAB代码DoG_Convolution-从等级编码图像中恢复信息。该存储库包含我在曼彻斯特大学计算机科学学院博士工作中开发的MATLAB文件。论文链接可在此处找到。虽然文件注释有误,但如果您有意使用代码的部分,请通过电子邮件联系我,我将乐意介绍这些代码的用途。博士研究成果发表在IEEE Transactions on Neural Networks上,详细内容可参见Basabdatta Sen Bhattacharya和Stephen B. Furber的相关文章。
用卷积滤波器MATLAB代码-DoG_Convolution 博士论文开发工作
相关推荐
用卷积滤波器Matlab代码ECoG深度学习执行
如果您使用此代码,请引用我们的论文。 RaviPrakash,Harish等人。 “深度学习为基于癫痫手术的基于ECoG的功能语言映射提供了卓越的准确性。” Neuroscience的前沿(14)(2020):409。数据尺寸假定为M×N,其中M为通道数,N为数据点数。示例使用30秒的控制和活动任务。步骤1:执行extractData.m,加载每个主题的数据并调用createSlidingActiveTime.m。createSlidingActiveTime.m从活动数据块中提取AR、PSD、峰峰值、均值、偏斜、峰度和Hjorth特征。步骤2:运行getFeatureLabels.m,为每个块分配块标签,每个块为30秒的数据[控制/活动任务]。
Matlab
3
2024-07-17
用matlab实现卷积滤波器代码-融合SegNet和CRFasRNNCaffe的方法
目前正在进行使用matlab编写卷积滤波器的工作,结合SegNet和CRFasRNNCaffe的两个优秀caffe分支,更新了一个层次以支持cuDNN 5.1,并在pycaffe中公开了更新的求解器操作。这项开发仅供研究使用,请参考原始作者的相关出版物。
Matlab
0
2024-09-19
大数据分析博士论文
论文内含2篇1区SCI和1篇2区SCI论文的中文版,可供研究密度峰值算法的读者参考。
算法与数据结构
2
2024-05-25
2017年水听器卷积滤波器MATLAB代码
这段MATLAB代码通过水听器信号的互相关计算到达时间差。采用卷积定理,利用快速傅立叶变换(FFT)进行数据处理,以获取传感器到信号源的角度和距离。代码透过Simulink的HDL代码功能实现到FPGA,并使用Vivado进行综合。
Matlab
0
2024-08-17
用Matlab卷积滤波器执行无障碍空间凸优化项目
要执行这个无障碍空间凸优化项目的Matlab代码,请运行IRIS.m。该项目将非凸约束转换为凸约束,以实现动态障碍物的无障碍空间计算。我们采用了k最近邻(k-NN)方法来优化自由空间的构造,通过重用减少超平面生成计算,扩展到动态设置,使用GPU以提高运算速度。
Matlab
2
2024-07-26
Matlab代码-深度PPG降噪器用卷积滤波器实现
深度学习网络在高级可穿戴技术中心(CWAT)项目中取得了显著进展,特别是在降噪深度PPG信号方面。该项目专注于消除光电容积描记术(PPG)信号测量过程中的噪声伪影。我们采用了一个包含16个卷积层的完全卷积网络,以改进信号质量。Matlab代码已经优化,能够有效处理生物医学应用中的PPG信号。
Matlab
0
2024-08-24
用Matlab代码实现卷积滤波器模型压缩和加速进展信息库更新
使用Matlab代码,跟踪卷积滤波器模型压缩和加速的最新进展。涵盖了T-Net的低阶近似,MUSCO的多阶段压缩,以及其他高效神经网络压缩方法的应用。
Matlab
1
2024-07-19
用卷积滤波器matlab代码-DeepCorrect 图像失真校正的深度神经网络模型
近年来,深度神经网络(DNN)的广泛应用显著提升了计算机视觉任务的性能,例如图像分类和对象识别。然而,在实际应用中,由于图像获取或传输过程中的各种失真(如模糊和噪声),原始图像训练的DNN常常表现不佳。DeepCorrect通过训练带有残余连接的小型卷积层,在DNN中的易受失真影响的卷积滤波器输出处进行校正,从而提高了预训练DNN模型的鲁棒性。性能测试显示,将DeepCorrect模型应用于常见的视觉任务(如CIFAR-100、ImageNet、Caltech-101、Caltech-256和SUN-397)可显著增强DNN对失真的抵抗能力,优于网络微调的替代方法。详细信息请参见相关的日记论文或预印本。
Matlab
2
2024-07-28
用卷积滤波器MATLAB代码-Udacity传感器融合纳米学位计划 我的学术成果
用卷积滤波器MATLAB代码Udacity传感器融合纳米学位课程,包括我在该学位项目中完成的作业和测验解决方案。这些内容将被整理到单独的目录中,每门课程一个目录,每门课程都有详细的构建说明。此外,存储库中还包含了YOLOv3在“相机”课程中的应用,您可以使用Git LFS来下载权重。访问Git LFS安装指南,克隆存储库后,在相应目录中使用以下内容下载YOLOv3权重:$ cd $ git lfs fetch。权重将保存在SFND_Camera/detect_objects/dat/yolov3.weights。需要注意的是,本课程的雷达部分使用MATLAB进行编程,因此您需要使用该软件来运行相关代码。虽然官方概述中未明确提到,只涉及C ++,但事实上,仅雷达部分需要MATLAB,而完成整个课程则并非必须。您可以选择在MATLAB或Octave中运行大多数代码,最终项目均可适用。此外,课程还简要介绍了卡尔曼滤波器的Python应用。
Matlab
2
2024-07-13