一种经典的基于L1范数的稀疏重构算法，进行DOA估计，在信噪比低及信号相距很近时同样具有很好的效果，需要matlab中的凸优化工具箱，安装地址及教程可参考https://blog.csdn.net/summer15407901/article/details/104274177?ops_request_misc=&request_id=&biz_id=102&utm_term=%E5%87%B8%E4%BC%98%E5%8C%96%E5%B7%A5%E5%85%B7%E7%AE%B1&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-9-104274177.142^v10^control,157^v12^control&spm=1018.2226.3001.4187

压缩感知理论及OMP算法.ppt

主要是压缩感知中的重构算法中子空间算法的代码

MMP算法提出的文献： Multipath Matching Pursuit----IEEE TRANSACTIONS ON INFORMATION THEORY 文章的作者也是gOMP算法的作者，现在在复旦大学任教 主要贡献：文章将传统贪婪算法的原子选择问题建模为组合树的搜索问题，为原子选择提供了新的思路。 在传统贪婪算法的改进中，不外乎以下几个方面：调整原子选择策略，调整原子相似性的准则等 其中调整原子选择策略又分为以下几种： 每次迭代选择单个原子（OMP），每次迭代选择多个原子（如：选择K个的CoSaMP算法，选择2K个的SP算法，选择S个的gOMP算法），通过阈值门限来进行原子选择，这样保证了每次迭代原子选择的灵活性，阈值则更贴近于观测矩阵和残差的内积变化规律（StOMP算法，SWOMP算法，TOMP算法等等） 在原子选择过程中，许多单向执行的算法可以结合CoSaMP算法中的回溯思想，来进一步提高重构精度。 在有步长设置的算法中，如何设置步长大小，是固定步长还是变步长，如果变的话，该如何改变，到目前为止均有学者做研究。而以上提到的算法都有一个共同的问题，就是只有一

2¸2感知器神经网络模型与学习算法.ppt

2.2 单层感知器模型与学习算法.ppt

随着Web服务的指数级增长，建议使用各种协作QoS预测方法对服务质量（QoS）进行有效评估，并帮助用户选择合适的服务。 考虑到服务调用的复杂时空上下文的影响并在预测过程中利用它们的特征，仍然是一项技术挑战。 为此，我们提出了两个通用的时空上下文感知协作神经模型（STCA-1和STCA-2），通过考虑服务端和用户端的调用时间和多个空间特征来进行QoS预测。 我们提出的模型利用层次神经网络来实现原始特征的嵌入表达，二阶特征的生成，一阶和二阶特征的融合，空间特征之间的交互以及时态特征的逐层化。 特别地，引入注意力机制来自动地将权重分配给空间特征，并实现在特征融合中的判别性应用。。在大规模数据集上的实验证明了该方法的有效性：（1）。预测误差可以显着与基线方法相比尤其如此。在稀疏训练数据的情况下，我们的模型在MAE和NMAE方面的性能提高了约10.9–21.0％，在RMSE方面的性能提高了2.4–7.8％。 （2）注意机制使我们能够更合理地对特征融合的有效性做出直观的解释，从而增强了预测模型的可解释性。

内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf

人工智能-机器学习-情境感知通信的计算机免疫方法研究.pdf

压缩感知正交匹配追踪算法，在MATLAB中的程序。本人已经调试 完毕