- 博客(138)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Variational Mode Decomposition (VMD) 详解与应用
本文详细介绍 VMD 算法的原理、优化模型以及在信号降噪中的实际应用。从算法的数学背景开始，逐步解析其工作机制，并提供一个实际的代码示例，演示如何使用 VMD 进行信号降噪。
2024-08-02 16:33:18
3254
原创 完全集成经验模态分解与自适应噪声（CEEMDAN）算法及其在信号降噪中的应用
介绍了完全集成经验模态分解与自适应噪声（CEEMDAN）算法及其在信号降噪中的应用。首先概述了CEEMDAN的背景和改进之处，包括其逐步添加噪声和逐阶平均处理的主要特点。接着，详细讲解了CEEMDAN如何解决EMD和EEMD中的噪声问题，并通过示例代码演示了其实际应用。文章通过对比不同方法，展示了CEEMDAN在提升信号分解精度和降噪效果方面的优势。
2024-08-02 15:54:11
6647
原创 集成经验模态分解 (EEMD) 及其在信号降噪中的应用
集成经验模态分解 (EEMD) 是一种改进的信号处理方法，通过引入白噪声和多次分解，避免了模态混叠问题。本文介绍了EEMD的基本原理及其在信号降噪中的应用，提供了详细的代码示例和效果展示，展示了EEMD在处理非线性和非平稳信号中的强大能力。
2024-08-01 18:00:12
1371
原创 经验模态分解 (EMD) 及其在信号降噪中的应用
经验模态分解 (EMD) 是一种用于处理非线性和非平稳信号的强大工具。它通过将复杂信号分解为多个固有模态函数 (IMFs) 和一个剩余信号，能够有效提取信号的不同频率成分。EMD特别适用于信号降噪，通过去除高频IMFs，可以从带噪声的信号中恢复主要成分。本文介绍了EMD的基本原理，并展示了其在信号降噪中的实际应用。
2024-08-01 17:27:06
1277
原创 遗传算法（Genetic Algorithm）
本文介绍了传统GA的基本流程，并探讨了一种变种版本，其中使用浮点数编码和特定的交叉策略。随后，给出了基于Python的示例代码，展示了如何实现这种变种GA解决复杂优化问题。
2024-07-26 17:33:30
653
原创 差分进化（Differential Evolution）算法
本文概述了DE的基本原理及其在Python中的实现，展示了如何利用DE优化典型的Rosenbrock函数，体现了其在实际问题中的应用价值。
2024-07-19 15:17:15
2438
1
原创 离线强化学习算法集锦
本文介绍了多种离线强化学习算法的实现，包括BCQ、BEAR、TD3-BC、CQL、IQL、AWAC和BC。这些算法都可以独立运行并测试，旨在通过离线数据进行训练，并在最后提供了基于PyTorch的代码实现。具体介绍了每种算法的原理和特点，包括从离线数据中学习策略、自举方法减少误差积累、行为克隆结合双延迟DDPG等技术。文章提供了GitHub项目地址和csdn资源链接，读者可以获取更多详细信息和代码实现。
2024-03-11 17:26:46
1019
原创 在线强化学习算法集锦
本文实现了多种在线强化学习算法，包括Q-learning、SARSA、DQN、Double-DQN、Dueling-DQN、PG、AC、PPO、DDPG、TD3、SAC。每个算法都能独立运行并测试，提供了PyTorch版本的代码实现。这些算法覆盖了值迭代、策略优化、深度学习等多个方面，适用于不同环境和问题。欢迎访问GitHub项目地址获取详细信息和代码实现。此外，你也可以在csdn上找到同步的资源。
2024-02-01 10:05:36
966
原创 win11下 “pytorch导出模型“ 以及 “C++使用onnxruntime部署”
探讨了在Win11环境下，通过PyTorch训练鸢尾花分类模型，并将其导出为ONNX格式。第一部分详细介绍了数据准备、模型训练和导出的过程。第二部分则聚焦于C++和ONNX Runtime，展示了如何在C++环境中加载和运行导出的模型，实现模型在不同平台上的高效推理。这个博客提供了一个完整的指南，帮助读者从训练模型到在实际应用中进行推理的全流程。
2024-01-29 14:21:24
1115
2
pytorch实现的离线强化学习7种常见算法代码
2024-03-11
pytorch实现的在线强化学习11种常见算法代码
2024-02-01
中文开源情感词典最全合集
2022-10-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人