15000 تومان
افزودن به سبد خرید
0 فروش 178 بازدید
جزئیات محصول
تعداد قسمت: 1
حجم فایل: 1MB
فایل راهنما: ندارد
بسته نصبی: ندارد
امکانات: شامل فایل pdf مقاله لاتین و فایل word ترجمه فارسی (12 صفحه)
تاریخ انتشار: 13 سپتامبر 2018
دسته بندی: ,

تبلیغات

شبکه عصبی برای کمینه سازی l1-l2 بر اساس طرح ریزی گردیان کوچک: اپلیکیشن برای سنجش فشرده

از زمانی که سنجش فشرده در ۲۰۰۶ معرفی شد تا به حال، کمینه سازی l1-l2 حجم زیادی از اپلیکیشن­ها را در پردازش سیگنال، تداخل آماری، تصویر برداری رزونانس مغناطیسی (MRI)، توموگرافی کامپیوتری (CT)، غیره تصدیق کرد. در این مقاله، ما یک شبکه عصبی برای کمینه سازی l1-l2  بر اساس طرح ریزی گرادیان کوچک ارائه میدهیم. ما اثبات میکنیم که این امر در مفهوم لیاپانوف و همگرایی در جهت راه حل بهینه کمینه سازی l1-l2 باثبات است. ما نشان میدهیم که شبکه عصبی مطرح شده برای سنجش فشرده با کمک مثال­های شبیه سازی امکان­پذیر و موثر است.

A-neural-network-for-1-2-minimization-based-on-scaled-gradient-projection-Application-to-compressed-sensing

ISI 2015
abstract
ℓ−ℓ minimization admits a large number of applications in signal processing, statistical inference, magnetic resonance imaging (MRI), computed tomography (CT), etc. In this paper, we present a neural network for Since compressed sensing was introduced in 2006, ℓ−ℓ minimization based on scaled gradient projection. We prove that it is stable in the sense of Lyapunov and converges to an optimal solution of the ℓ−ℓ minimization. We show that the proposed neural network is feasible and efficient for compressed sensing via simulation examples.
افزودن به سبد خرید

لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد

محصولات پر فروش

پر فروش ترین محصولات فروشگاه روکساوب