- 博客(14)
- 收藏
- 关注
原创 天线与无线通信学习笔记
本文系统梳理了天线与无线通信核心原理,涵盖天线基本功能、分类(谐振与孔径天线)、辐射特性(方向图、增益、效率)、近远场区划分、极化与波束宽度、链路预算及路径损耗等基础概念。重点解析了天线增益与效率的物理本质,强调电小尺寸天线的辐射效率瓶颈;结合调制技术(QAM)、MCS、MIMO与MU-MIMO,阐述了多天线系统如何提升频谱效率与系统容量。最终指出:有效覆盖由方向图、功率、信道质量与业务需求共同决定,需综合考虑发射功率、接收灵敏度、干扰与链路余量,实现稳定吞吐量。
2026-11-11 16:46:58
265
原创 python深度学习---高级的深度学习最佳实践、生成式深度学习
使用函数式 API,你可以直接操作张量,也可以把层当作函数来使用,接收张量并返回张量(因此得名函数式 API)。
2026-04-06 16:51:33
370
原创 python深度学习---深度学习用于计算机视觉、深度学习用于文本和序列
本文系统介绍了深度学习在计算机视觉和序列数据处理中的核心技术与应用。在计算机视觉部分,重点讲解了卷积神经网络(CNN)的工作原理,包括卷积运算、池化操作、网络可视化方法等,并详细阐述了如何使用预训练网络进行特征提取和微调。在序列数据处理部分,深入探讨了循环神经网络(RNN)、长短时记忆网络(LSTM)和门控循环单元(GRU)的结构原理,以及文本数据的向量化表示方法。文章还介绍了双向RNN和一维卷积神经网络在序列处理中的应用,比较了不同网络架构的特点和适用场景。通过理论讲解和实例分析,全面展现了深度学习在图像
2026-04-06 12:09:31
505
原创 python深度学习---神经网络入门、机器学习基础
本文摘要:第三章介绍了神经网络的基本组成,包括层、输入数据、损失函数和优化器。层是核心组件,不同类型数据需用不同层处理。模型是由层构成的网络拓扑结构。损失函数和优化器决定了学习过程,不同任务需选用合适的损失函数。第四章探讨了机器学习的四个分支:监督学习、无监督学习、自监督学习和强化学习,并详细说明了评估模型的三种方法(留出验证、K折验证和重复K折验证)。文章还介绍了数据预处理、特征工程、过拟合与欠拟合问题及其解决方法(如减小网络规模、权重正则化和dropout),最后解释了相关术语如多分类、多标签问题等。
2026-03-18 17:46:09
436
原创 python深度学习—— 什么是深度学习/神经网络的数学基础
本文系统介绍了深度学习的基础概念与技术原理。第一章阐述了人工智能、机器学习和深度学习的关系,指出深度学习是通过多级数据表示学习实现特征提取的数学框架,其核心在于利用损失函数和反向传播算法优化网络权重。第二章详细讲解了神经网络的数学基础,包括张量数据结构(标量、向量、矩阵及高维张量)、张量运算规则(广播和点积),以及基于梯度下降的优化方法,重点分析了不同神经网络层(全连接层、卷积层、循环层等)中kernel和bias参数的差异与作用机制。全文构建了从基础概念到实现原理的完整知识体系,为理解深度学习提供了系统化
2026-03-14 22:29:56
268
原创 MAE掩码自编码器、VAE变分自编码器
本文对比分析了两种自编码器模型:MAE(掩码自编码器)和VAE(变分自编码器)。MAE通过高比例随机掩码图像块(如75%),迫使模型从局部信息推断全局语义,实现视觉表征学习。其非对称编码器-解码器结构提升了训练效率,高掩码比例切断了局部相关性,促使模型学习抽象特征。VAE则通过概率编码将确定性点映射扩展为概率分布,引入重参数化技巧和KL正则化,构建连续潜在空间,使其具备数据生成能力。与MAE专注于表征学习不同,VAE是典型的生成模型。两种模型在目标(表征vs生成)、潜在空间(抽象token vs连续分布)和
2026-03-12 18:43:00
493
原创 自监督学习-----MoCo算法
摘要:本文系统介绍了自监督学习中的对比学习框架,重点解析了MoCo(Momentum Contrast)模型。自监督学习通过构造"前置任务"从无标注数据中学习特征表示。MoCo创新性地将对比学习视为"字典查找"任务,采用双编码器架构:查询编码器通过反向传播更新,动量编码器则缓慢跟随以保持特征一致性。关键技术包括队列机制扩展负样本规模,以及动量更新确保字典稳定性。模型使用InfoNCE损失函数,通过拉近正样本、推远负样本来优化特征空间。训练过程涉及数据增强、特征提取、队
2026-03-11 22:10:54
389
原创 Origin画图2--绘制混淆矩阵图、直方图及标题显示问题
1)将需要绘制的数据导入(这个数据一般是需要进行统计的数据,在这里小7是想统计数据出现的频次,以此为例进行展示)点击标题框选择箱宽,一般默认为80%,可修改为100%来解决显示不全的问题。混淆矩阵在Origin中绘制仍属于热力图,选择带标签的热力图进行绘制。通过调色盘修改颜色,如果想自己设置颜色可在设置颜色中进行调配。3)区间设置与之前其他图形绘制设置类似,具体请参考—>4)在这里主要的就是区间的挪动,将区间移动到想要的位置。前期绘制与热力图相同,具体步骤可参考—>2)混淆矩阵颜色设置。
2026-01-28 19:29:04
994
原创 MeshLab使用-格式转换、目标处理、模型截图
5.如果截图后仍感觉背景色不可以,可以继续在office中消除背景。6.选择图片格式,删除背景(对于精度要求不高的模型可以采用此方法)->Export Mesh As 可以实现导出文件的格式转换。1.可以实现对目标的移动、旋转、缩放等。4.点击以下所示工具,然后进行截图即可。1.点击Tool->Options。2.可以实现对坐标轴、位置的展示。3.此时还是存在其他显示,例如。2.对以下三个颜色进行修改。
2026-01-05 11:12:07
247
原创 Origin绘图---柱状图、热力图、t-SNE图
本文介绍了三种数据可视化图形的绘制方法:1)柱状图制作流程包括数据导入、图表绘制、坐标轴调整、图例设置及导出设置;2)热力图绘制步骤涵盖数据输入、热图生成、颜色调整和坐标轴设置;3)t-SNE图制作方法涉及数据导入、彩点图绘制、背景设置、图例修改和图形细节调整。每种方法都详细说明了从数据准备到最终成图的完整操作流程,重点介绍了Origin软件中的关键设置选项,如坐标轴范围、颜色方案、图例格式等参数调整技巧,为科研数据可视化提供了实用指导。
2025-12-24 18:54:53
2701
原创 FEKO使用文档
本文介绍了CADFEKO软件的基本操作流程,主要包括模型导入/创建、网格剖分、激励源设置、求解器配置等步骤。重点说明了网格剖分方法(标准/自定义)、频率设置选项,以及平面波入射的多种配置方式(单/多入射波)。同时介绍了单发单收、单发多收等不同接收模式的设置方法。最后分享了三个实用功能:距离测量工具(支持原点测量和两点测量)、快速定位功能和坐标变换工具,为电磁仿真提供了便捷的操作支持。
2025-09-26 22:36:15
1650
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
RSS订阅