- 博客(35)
- 收藏
- 关注
RSS订阅原创 水稻育种技术
（传统育种步骤与分子技术的结合）（DNA获取、测序技术演进与多组学特征）GBS（Genotyping by Sequencing）测序技术直接获取基因型表型组学（Phenomics）植物的叶面积、生物量、颜色等特征（利用计算机仿真评估育种策略）计算机模拟：Plabsoft、QU-GENE 等仿真软件（高通量实验室的误差分析与去噪）（降维、特征相关性与基因定位模型）
2026-08-27 15:56:18
184
原创 D-AMP:From Denoising to Compressed Sensing
D-AMP（Denoising-based AMP）框架，将现代图像去噪算法融入压缩感知重建过程。该框架通过近似消息传递（AMP）算法，将线性逆问题转化为真信号+高斯噪声形式，并引入Onsager校正项确保噪声分布特性。
2026-05-27 16:32:30
361
原创 运行DiffTraj项目
DiffTraj是基于扩散概率模型的GPS轨迹生成项目。使用步骤包括：1)创建conda环境并安装依赖库；2)下载GPS数据并进行预处理；3)修改config.py和main.py中的文件路径；4)运行main.py训练模型，每10个epoch保存一次。生成轨迹时，需参考Traj_Generation.ipynb文件，注意修正导入路径，设置绝对路径加载模型，并调整数据均值和方差参数。
2026-02-01 16:39:32
352
1
原创 压缩感知（Compressed Sensing, CS）
本文探讨了压缩感知理论在图像重建中的应用。通过分析传统奈奎斯特采样定理的局限性，提出基于稀疏性假设的压缩感知方法。研究比较了三种重建算法：最小二乘法、OMP贪婪算法和迭代阈值算法，并在此基础上提出改进的多先验交替投影重建框架。实验以32×32图像块为处理单元，采用DCT变换实现稀疏表示，通过测量矩阵实现压缩观测。
2026-01-11 18:13:07
1403
原创 ProgDiffusion模型
本文介绍了ProgDiffusion模型，提出渐进式自编码器架构，创新性地将U-Net上采样特征纳入语义编码，支持无条件生成，并引入时间步互信息正则项。模型在FFHQ-128数据集上训练，通过LMDB格式处理数据，修改了UNet结构和多线程配置以适应Windows环境。训练结果显示模型在258个epoch后达到2261000步，耗时7.2天。验证阶段通过FID指标评估生成质量，展示了该模型在图像生成任务中的性能。
2026-01-05 10:48:35
597
原创 SR3模型
本文介绍了一种基于扩散模型的图像超分辨率方法SR3，采用像素空间大U-Net作为主干网络，通过拼接低分辨率上采样图像和带噪高分辨率图像作为输入，支持2×~16×任意整数倍超分。仅使用简单的噪声预测L2损失，无需GAN或感知损失，即可实现高质量的图像重建。实验在FFHQ和CelebA-HQ数据集上进行，复现结果PSNR达23.147，SSIM为0.687，接近原论文性能。
2025-12-03 15:19:53
1092
原创 BERT模型
本文介绍了BERT模型的复现过程，包括模型结构、训练流程和环境配置。BERT采用多层Transformer编码器，包含嵌入层（Token/段落/位置嵌入）、编码器层（多头自注意力和前馈网络）和输出头（MLM/NSP任务）。复现步骤：1）配置Python≤3.7环境；2）下载BERT-Tiny/Base模型文件；3）预训练：使用create_pretraining_dat
2025-10-13 10:13:28
854
原创 EDSR模型
EDSR超分辨率模型的PyTorch实现，该模型在CVPRW2017论文中提出。核心结构包括32个残差块（移除BN层以保留像素强度）、残差缩放机制和子像素上采样层。数据集使用DIV2K（800训练+100验证），通过option.py配置参数。训练采用分尺度策略（x2→x3→x4），预训练模型传递参数。测试结果显示x4模型PSNR达28.933dB，支持基准数据集和自定义图片验证。
2025-09-29 19:32:56
987
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人