- 博客(216)
- 收藏
- 关注
RSS订阅原创 【PyTorch】y = x.flatten(2).permute(0, 2, 1)
1. 注意力机制：在 Transformer 或自注意力模型中，输入需要是 `[B, N, C]` 的形状，其中 `N` 是序列长度（这里 `N = H*W`）。将张量的最后两个维度（H 和 W）展平为一个维度。输入形状为[B, C, H, W]，输出形状为[B, C, H*W]。输入形状为[B, C, H*W]，输出形状为[B, H*W, C]。2. 矩阵运算：将通道维度 `C` 放在最后，方便与权重矩阵进行矩阵乘法。3. 特征聚合：将空间维度展平后，可以对每个空间位置的特征进行独立处理。
2025-03-19 17:39:31
411
原创 【深度学习】走向VQ-VAE模型
有监督任务（Supervised Tasks）的数据包含输入特征和对应的标签（目标值），模型学习从输入到输出的映射关系，典型任务有分类、回归、序列标注等。无监督任务（Unsupervised Tasks） 的数据仅包含输入特征，无标签，模型从数据中发现隐藏结构或模式， 典型任务有聚类、降维、特征学习、密度估计等。将数据分组为相似的子集（簇），比如客户分群，输入为用户行为数据，输出为高价值用户、普通用户等群组。具体算法有K-means、层次聚类、DBSCAN。减少数据维度，保留重要信息。
2025-03-19 16:35:03
1158
原创 【PyTorch】.pt文件
是 PyTorch 中用于保存张量（）或模型（）的二进制文件格式。它使用 PyTorch 的序列化机制来保存数据，能够高效地存储和加载张量或模型的状态。
2025-03-17 15:22:52
400
原创 【强化学习】第二讲——探索与利用exploration vs. exploitation
利用（Exploitation） ：基于当前已知的信息，选择能够带来最大收益的决策。优势：最大化当前收益。风险：可能错过更优的决策，陷入局部最优。探索（Exploration） ：尝试新的或不确定的决策，以获取更多信息。优势：可能发现更优的决策，提升长期收益。风险：短期内可能无法获得最大收益。在多臂老虎机问题中，我们面对一台拥有 K 根拉杆的老虎机，每根拉杆都对应一个独立的奖励概率分布 R。每次拉动一根拉杆，我们都会从该拉杆对应的奖励分布中获得一个奖励。
2025-03-16 20:16:54
929
原创 【强化学习】第一讲——强化学习简介
强化学习指的是通过交互学习来实现目标的计算方法。机器和环境的一轮交互是指，机器在环境的一个状态下做一个动作决策，把这个动作作用到环境当中，这个环境发生相应的改变并且将相应的奖励反馈和下一轮状态传回机器。这种交互是迭代进行的，机器的目标是最大化在多轮交互过程中获得的累积奖励的期望。强化学习用智能体（agent）这个概念来表示做决策的机器。相比于有监督学习中的“模型”，强化学习中的“智能体”强调机器不但可以感知周围的环境信息，还可以通过做决策来直接改变这个环境，而不只是给出一些预测信号。
2025-03-16 14:57:46
741
原创 【强化学习】PPO算法代码详解
是一种用于强化学习的策略优化算法，由OpenAI在2017年提出。PPO结合了策略梯度方法的优点和信任区域优化（Trust Region Optimization）的思想，旨在实现高效、稳定的策略优化。它已成为强化学习中最常用的算法之一，广泛应用于各种任务，如游戏、机器人控制和自然语言处理等。PPO的核心目标是通过，确保每次更新后的策略不会与之前的策略偏离太远，从而避免训练过程中的不稳定性和崩溃。具体来说，PPO通过引入一个“剪裁”（clipping）机制，限制策略更新的幅度，使其在一个安全的范围内进行。
2025-03-15 20:07:28
449
原创 信道编码中的硬判决与软判决
硬判决 (Hard Decision)软判决 (Soft Decision)核心将模拟信号直接量化为二进制0/1保留信号的模拟量值或概率信息比喻黑白照片（只有两种颜色）灰度照片（包含明暗层次）
2025-03-07 19:46:41
198
原创 【代码详解】信道编码——低密度奇偶校验码LDPC
data_tensor : 输入数据张量，形状为 [batch_size, data_length] ，表示批量二进制信息位d_v : 变量节点度数（每个变量节点连接的校验节点数）d_c : 校验节点度数（每个校验节点连接的变量节点数）malv : 码长扩展倍数（ n = data_length * malv ）snr : 信噪比（用于模拟信道噪声）每个变量节点（对应编码后的一个比特）连接的校验节点数量。对于规则LDPC码来说，所有变量节点的度数相同，均为 d_v；
2025-03-07 13:59:47
926
原创 Channel State Information 信道状态信息
是无线通信系统中的一个重要概念，指的是接收端或发送端对无线信道特性的估计和反馈。因此，了解当前信道的状态至关重要，这就是CSI的作用。：发送端根据CSI选择合适的调制方式（如QPSK、16-QAM、64-QAM）和编码速率，以最大化数据吞吐量。，表示当前时刻的精确信道状态，随着时间和用户位置的变化而不断更新。中，利用CSI进行波束赋形，提升信号质量并减少干扰。，描述了发送端与接收端之间的信道增益和相位变化。：通过CSI信息，系统可以优化干扰抑制技术，如。变化较慢，适用于长期优化策略，如。
2025-03-01 22:34:30
485
原创 【强化学习的数学原理】第三章 贝尔曼最优公式
state value可以用来评估一个策略的好坏，当时，方案1比方案2要好。所以我们就可以定义，当时，说明方案*比任何一个方案都好。那么最优策略是否存在呢？最优策略是否唯一呢？最优策略时随机的还是确定的呢？如何获取最优策略呢？为了回答这些问题，我们需要研究贝尔最优公式。贝尔曼最优公式有两种格式，
2025-02-10 21:13:28
850
原创 【强化学习的数学原理】第二章 贝尔曼公式
指的是某状态下选择不同action得到action value平均值：我们可以知道，已知：可得：第2课-贝尔曼公式（例子说明Return的重要性）_哔哩哔哩_bilibili第2课-贝尔曼公式（State value的定义）_哔哩哔哩_bilibili第2课-贝尔曼公式（贝尔曼公式的详细推导）_哔哩哔哩_bilibili第2课-贝尔曼公式（公式向量形式与求解）_哔哩哔哩_bilibili第2课-贝尔曼公式（Action value的定义）_哔哩哔哩_bilibili............1%7D。
2025-02-10 11:06:12
1014
原创 【强化学习的数学原理】第一章 基本概念
是一个实数、标量，如果数为正数，则鼓励这种行为，如果数为负数，则惩罚这种行为。从某种意义上讲，正数也可以代表惩罚，负数也可以表示鼓励，这时候agent就希望要更小的reward。会伴随概念terminal state，当agent遵循一个policy与环境进行交互时，agent可能停止在某些terminal state上，而最终导致的trajectory称作episode，描述的就是agent相对于环境中的状态，在grid-world例子中，agent的位置就是状态，对于每个状态会有一系列的可采取的行动。
2025-02-09 15:26:59
736
原创 【数据集】图像字幕Image Captioning数据集下载——COCO caption
由Chen等人在中引入，COCO字幕包含超过150万个字幕，描述了超过330,000张图像。对于训练和验证图像，为每个图像提供了五个独立的人工生成的字幕。针对imagecaption任务，通常在论文中会使用COCO2014，train有82783张，val有40504张，test有40775张，每张图片对应有5~7句的caption。
2025-01-20 15:04:46
339
原创 【光纤通信】光传输网络 (OTN)
（架构）；（帧结构与格式）；（原子功能与过程）。也被称为光传输层次结构（OTH），将 TDM 和 WDM 集成到统一的传输系统中。基于，OTN 通过引入增强功能，能够高效、可靠且可扩展地在光纤网络上传输多种服务（如高带宽数据、视频等）。高效传输现代高带宽需求的业务；兼容传统 TDM 服务和现代分组交换业务。
2025-01-06 15:56:27
1566
原创 【光纤通信】SONET/SDH WDM Networks
光网络拓扑是设计光通信网络的基础，其结构决定了网络的性能、可靠性和扩展性。图中列出了四种基本的光网络拓扑结构，每种拓扑都可以根据链路长度需求增加再生器来保持信号完整性。存在数据沿直线形路径传输。由一系列终端复用器（TM）和添加/丢弃复用器（Add-Drop Multiplexer, ADM）组成：位于城域网的边缘，主要用于接入网络的连接。：通过数字交叉连接系统（DCS）管理不同环路和传输速率之间的连接和信号转换。
2025-01-06 15:45:48
848
原创 【光纤通信】Packet-switched optical networks
最初设计用于可靠的语音和数据传输，采用固定的电路交换方法。主要用于传输 TDM（时分复用）信号。：到1990年代后期，数据流量超过语音流量，暴露出传统SONET/SDH在数据传输方面的高效性问题。：利用 PDH（准同步数字系列）信道传输 IP、ATM 和以太网等数据。开发了 PoS（Packet over SONET）和 FR（Frame Relay）协议，结合 HDLC（高层数据链路控制）协议，提高了第2层效率。
2025-01-06 15:25:02
1006
原创 【光纤通信】SONET 和 SDH——电路交换光网络
语音信号的频谱范围电话通信中使用的语音信号被滤波后，其频率范围在 30 Hz 至 4 kHz 之间。这种频率范围的选择是因为它包含了人类语音的主要信息部分，同时去除了不必要的高频和低频噪声。语音采样与数字化过程：模拟语音信号以 8 kHz（8000 次/秒） 的采样率进行采样（符合奈奎斯特定理，用于有效捕获 4 kHz 的最高频率分量）。每个采样点被量化并编码为 8 位（bit）的脉冲编码调制（PCM）值。通过这种方式，每秒可以生成 64 Kbps 的窄带数字信号，即:左侧图显示了模拟语音信号的时域波形和语
2025-01-06 12:18:32
979
原创 【光纤通信】Transmission characteristics 传输特性
光纤最基本的传输特性包括衰减损耗（ Attenuation）、散射损耗（Scattering Loss）和色散特性（Dispersion）。
2025-01-05 22:53:45
834
原创 【光纤通信】波导 Waveguiding
在分析折射现象的时候，折射率较高的介质为光密媒质，折射率较高的介质为光疏媒质。当入射角度增大到某一角度时，折射角可以获得最大值90°，此时可认为无折射光存在，多有的入射光都被反射，称为全反射现象，满足全反射现象的最小角度称为全反射的临界角。，光在光纤中的传输通过在石英纤芯（silica core）和折射率稍低的石英包层（silica cladding）的界面上的一系列。是光纤波导中一个至关重要的参数，决定了光纤接受不同角度光的能力和实现全内反射的性能和效率。是单模光纤转变为多模光纤的临界条件。
2025-01-04 21:54:56
771
原创 【光纤通信】光纤结构
单模光纤的纤芯尺寸小，只允许一条路径或模式的光传播，模式色散低，可以以更高的带宽长距离传输；而多模光纤的纤芯尺寸大，允许多条路径或模式的光传播，模式色散高，因为不同模式以不同的速度传播，用于更短的距离。渐变折射率光纤的纤芯折射率不是恒定的，而是纤芯折射率n ( r )随着径向距离的减小而减小，即从轴上的最大值n1到包层中纤芯半径a以外的恒定值n2。阶跃折射率分布的纤芯部分和包层部分的折射率分布呈台阶状，而渐变折射率分布中则是按照某种函数分布连续变化的。按光纤中的传导模式，可以分为。
2025-01-04 20:54:12
509
原创 【光纤通信】光波段
下图展示了电磁波谱的不同区域，并标示了电磁波在不同频率、光子能量 Photon energy（eV）、波长（m）下的对应关系。电磁波谱涵盖了从低频率的无线电波到高频率的X射线、紫外线等不同波段——衰减曲线展示了光信号在不同波长下通过光纤时的衰减程度（dB/km）。衰减是由于散射、吸收以及光纤材料中的不完美而导致的信号强度减弱。因此，GaAlAs（砷化铝镓）用于850nm左右的短波光源，InGaAsP（磷化铟镓砷）用于1300nm和1550nm的长波光源。，这是常用于光通信的波长范围，位于红外光区域内。
2025-01-04 16:00:47
470
原创 【光纤通信】光纤通信系统介绍
虽然光信号在光纤中传输的损耗很小，但是为了保证长距离传输后的信号质量，在光纤信道中还包括了必要的在线放大器或者中继机对光信号进行放大或者再生中继。主要完成信号从电域到光域的变化，发送器中的核心器件是光源器件，主要使用的是半导体激光器或者是发光二极管，需要传输的信息通过一个调制器加载到光源上，使得光源发射的激光携带信息最后通过一个链路接口注入到光纤信道。，可以泛指一切使用光信号作为载体进行传输信息的通信方式，根据物理媒介的不同，可以分为光纤通信和大气光通信（也称自由空间光通信）。跟通信系统结构很相似。
2025-01-04 15:47:12
711
原创 【最新论文阅读】Semantic Communications with Explicit Semantic Bases: Model, Architecture, and Open Problems
首先本文从激增的智能服务和应用这个现实问题的角度出发，引出其对基于香农经典信息论（CIT）的传统通信系统带来了挑战，而在CIT中将信息描述为随机变量进而设计出高效压缩和传输方案，但是基于CIT的传统通信系统已经达到了物理容量极限，并且频谱资源的稀缺性难以支撑智能服务和海量数据传输。问题解决的灵感来源于Weaver [1]，他将通信传输分为三个水平：LevelObjectUsage。
2025-01-03 21:09:24
1623
1
原创 【深度学习】RNN循环神经网络的原理
每个单词经过线性层操作之后（w和b的shape为[100, 2]），与线性层相连接提取特征，抽取高层特征，会得到一个张量[2]，经过加和计算可以得到张量[5, 2]，进而得到概率值P(pos|x)判断评论的好坏属性。简化之后，可以得到如果输入特征为[5， 3， 100]，一句话有5个单词，有三个句子batch，每个单词用100维的特征向量进表示，输入一句话的时候shape为[3, 100]，然后进行不断自我更新，自我更新机制取决于上一时刻的输出和当前输入。如何进行训练RNN呢？
2024-12-30 13:55:09
676
原创 【深度学习】时间序列表示方法
没有String类型，采用embedding来进行表示——[seq_len, feature_len]，第一个维度表示序列的长度（即单词的个数），第二个维度表示进行维度表示所需要的维度数。[5, 100]，表示一句话有5个单词，每个单词都用长度为100的向量进行表示。[seq_len, feature_len]针对不同的用户场景有着不同的含义，看以下曲线——房价随月份的变化，[100,1]中的第一个维度表示的是月份，第二个维度表示的是表示该月份的房价用长度为1的向量进行表示。编码方式可以采用独热编码。
2024-12-30 12:26:16
579
原创 【深度学习】卷积网络代码实战ResNet
是由微软研究院的何凯明等人在2015年提出的一种深度卷积神经网络结构。ResNet的设计目标是解决深层网络训练中的梯度消失和梯度爆炸问题，进一步提高网络的表现。下面是一个ResNet模型实现，使用PyTorch框架来展示如何实现基本的ResNet结构。这个例子包括了一个基本的残差块（Residual Block）以及ResNet-18的实现，代码结构分为model.py（模型文件）和train.py（训练文件）。
2024-12-29 13:35:09
408
原创 【深度学习】卷积神经网络代码实战Lenet
卷积神经网络的代码构建主要分为两个部分，一个是网络结构（model.py），另一个是训练部分（train.py）。首先我们来看一下Lenet的结构图，并根据网络结构图进行网络结构代码的构建(lenet5.py)。
2024-12-27 20:40:50
249
原创 【无线通信】无线通信与有线通信的区别及其解决难点
由于这个原因，人们不能在手机中加入大量的信号处理和计算能力，所以这是我们理解在无线信道中面临重大挑战的起点，成为无线通信和有线通信不一样。让我们来讨论另一种类型的干扰，蜂窝系统的理念是，我们有许多发射机，所以可以把这些六边形看作是细胞和一个位于每个六边形中心的六角形。假设，我们在中心位置使用一个表示为a1的频率，如果我们想重用它，我们必须远离它一些地理距离，然后重用相同的频率A1。多普勒位移是指对于相对于波源移动的器件，波相对于器件的频率的变化，这是由一个物体的运动速度引起的频率的明显变化。
2024-12-26 16:45:29
449
原创 【无线通信】蜂窝系统——干扰与系统容量
语音信道中的干扰会导致串音，使得用户在通话时听到背景中的干扰声。控制信道中的干扰会导致丢失和阻塞通话，造成数字信号错误。城市地区的干扰更为严重，因为这些地区的RF噪声底座更高，并且基站和移动设备的数量更多。干扰被认为是增加容量的主要瓶颈，经常是掉话的原因。蜂窝系统产生的两种主要干扰是共信道干扰和邻信道干扰。尽管干扰信号通常是在蜂窝系统内部产生的，但在实际应用中很难控制（因为传播效应是随机的）。更难以控制的是外带用户产生的干扰，这种干扰没有预警，通常是由于用户设备的前端过载或间歇性互调产物引起的。
2024-12-26 12:30:35
1028
原创 【无线通信】蜂窝概念
早期的移动无线电系统设计目标是通过使用单个高功率发射机并将天线安装在高塔上，实现大覆盖范围。虽然这种方法实现了很好的覆盖效果，但也意味着无法在系统中重复使用相同的频率，因为任何尝试实现频率复用都会导致干扰。例如，1970年代纽约市的贝尔移动系统在一千平方英里范围内最多只能支持十二个同时通话。由于政府监管机构无法按比例为日益增长的移动服务需求分配频谱，因此必须重新构建无线电话系统，以在有限的无线频谱下实现高容量，同时覆盖非常大的区域。
2024-12-23 17:55:09
1068
原创 【无线通信】现代无线通信系统
自20世纪90年代中期以来，蜂窝通信行业经历了爆炸式增长。无线通信网络的普及程度远超人们在20世纪60年代和70年代提出蜂窝概念时的想象。如图所示，到2001年底，全球蜂窝和个人通信用户基数已超过6亿，预计到2006年底，将达到20亿（约占全球总人口的30%）。无线通信的广泛普及在20世纪90年代中期加速，当时各国政府为个人通信服务（PCS）在1800–2000 MHz频段提供了更多竞争机会和新的无线频谱许可。全球蜂窝电话用户的快速增长充分证明了无线通信作为语音和数据传输机制的稳健性和可行性。
2024-12-23 10:21:47
828
原创 通信网络中的 “切换”
在通信网络中，（Handover）是指移动设备（如手机、无线终端等）在不同基站或小区之间移动时，维持通信的过程。切换的目的是确保用户在移动过程中不会中断服务，通常在用户从一个小区进入另一个小区时发生。切换有多种类型，主要包括和，每种切换类型适用于不同的网络技术和场景。
2024-12-18 18:33:07
1017
原创 【5G】5G的主要架构选项
最初，在3GPP讨论中考虑了所有可能的聚合和核心网络组合，共有八个架构选项。以下重点介绍option2、3、4和7。
2024-12-17 21:27:57
1080
原创 【5G】5G 无线协议 Radio Protocols（一）
长期演进（LTE）无线电协议主要设计用于通过扁平架构提供PS服务，相比之前的代际，这代表了一个重大改进，它消除了支持电路交换（CS）服务和复杂架构中固有的复杂性。许多原始的LTE原则自第8版以来一直未被改动，已经证明是十多年来的稳固基线。因此，在5G标准化的早期，大家一致同意使用LTE无线电协议作为5G的基线，并对其进行增强，以支持极高的数据速率、低延迟、动态频谱使用和灵活的服务质量（QoS）。
2024-12-17 21:10:39
1142
原创 【深度学习】热力图绘制
热力图（Heatmap）是一种数据可视化方法，通过颜色来表示数据矩阵中的数值大小，以便更直观地展示数据的分布和模式。热力图在许多领域中都有应用，尤其在统计分析、机器学习、数据挖掘等领域，能够帮助我们快速识别出数据中的潜在规律和关系。在热力图中，通常使用颜色来表示数据中的相关性强度。这两种颜色的映射方式是热力图的常见标准。例如，在 Python 的seaborn库中，heatmap函数通常会根据数据矩阵的值自动映射成颜色，红色代表高值，蓝色代表低值。
2024-12-13 22:45:13
1336
原创 【深度学习】深刻理解双流网络：Two-Stream Convolutional Networks for Action Recognition in Videos
在视频分类任务中，卷积神经网络（CNN）在处理静态图像时表现优异，但视频不仅仅是静态图像，它还包含了时间动态信息，CNN在处理这些时序信息时往往遇到困难。因此，单纯依赖CNN进行视频分类容易“碰壁”。但问题并不是深度学习无法理解视频，而是方法选择不当。视频的核心在于时空信息，深度学习能够通过适当的方式来同时处理空间和时间特征。动作识别在视频分类中变得尤为重要，因为大多数视频内容与人的动作有关，例如运动、舞蹈、新闻等，这些视频的核心就是对人类活动的识别。
2024-12-13 10:42:28
1263
Java课程的项目作业mini-project
2024-12-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人