<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[omniknight_lin的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/omniknight_lin</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; omniknight_lin]]></copyright><item><title><![CDATA[基于OTFS的消息传递算法整理]]></title><link>https://blog.youkuaiyun.com/omniknight_lin/article/details/150415296</link><guid>https://blog.youkuaiyun.com/omniknight_lin/article/details/150415296</guid><author>omniknight_lin</author><pubDate>Fri, 15 Aug 2025 10:18:33 +0800</pubDate><description><![CDATA[迭代的来源在于，计算(7)需要先计算干扰项的均值和方差(8)，而计算(8)需要先计算(9)，而(9)需要先计算(7)，前置条件顺序(7)→(8)→(9)→(7)成了个循环。上面即传统MP算法的原理和计算过程，现有一些研究基于传统MP算法进行一些改进，比如有人在(9)更新概率时添加了阻尼因子以控制收敛速度和提高性能。理解为第i次迭代的结果不仅由概率质量函数决定，还保持了上一次迭代的结果，其中的占比由引入的阻尼因子$\Delta $决定。时的概率，取最大概率的那个作为对应元素的输出。，即各符号概率是等概率的。]]></description><category></category></item><item><title><![CDATA[【神经网络学习】关于全连接网络的理解]]></title><link>https://blog.youkuaiyun.com/omniknight_lin/article/details/144698334</link><guid>https://blog.youkuaiyun.com/omniknight_lin/article/details/144698334</guid><author>omniknight_lin</author><pubDate>Tue, 24 Dec 2024 17:08:30 +0800</pubDate><description><![CDATA[神经网络可表示为上图所示样子，层数、神经元数量和变换矩阵W的初始值很重要。按我的理解是这样，比如我有一组人体胸腔位移关于时间变化的数据x[n]，长度为N。应该设置成接近N点傅里叶变换矩阵的初始值，这样的话经过训练后，神经网络在局部优化后会就近优化成我们预想的模样，即上述传统算法过程。那么可以根据上述3个过程（排除输出），设计一个拥有三个隐藏层的神经网络，即输出可表示为。因为前一个隐藏层被设置了对应傅里叶变换，那么带通滤波的隐藏层神经元数量可设置成。，然后隐藏层2和3。的单位阵，即可实现带通滤波。]]></description><category></category></item></channel></rss>