摘要： 这篇论文提出的 “物理增强深度学习（physics enhanced deep learning）” 单像素成像方法，核心是把单像素成像的物理原理（测量过程、信号生成规律）与深度学习的拟合能力结合起来，而不是让深度学习 “凭空” 还原图像。具体来说，物理方法的作用贯穿了从 “信号获取” 到 “图像还 阅读全文

摘要： 根据论文《Single-pixel imaging using physics enhanced deep learning》的内容，以下参数可调整以体现该方法的核心优点（如低采样率下的鲁棒性、泛化性和高保真度）： 1. 采样率（\(\beta = M/N\)） 定义：M为测量次数（编码模式数量）， 阅读全文

摘要： # -*- coding: utf-8 -*-"""By Fei Wang, May 6, 2021Contact: WangFei_m@outlook.comThis code implements the model-driven fine tune processreported in the 阅读全文

摘要： 一、研究背景与目标 背景：指纹识别是主流生物识别技术，但传统基于细节点的识别易受噪声和伪造影响；汗孔作为三级指纹特征，具有唯一性强、难伪造的优势，但高分辨率汗孔识别计算复杂，嵌入式平台处理能力有限。 目标：基于嵌入式 GPU（NVIDIA Jetson TX2）设计并行软件，实现指纹汗孔识别的高效计 阅读全文

摘要： 一、论文内容总结 该论文核心工作包括以下三部分： 皮下指纹数据采集与存储：以 Zynq 芯片为核心，利用其可编程逻辑（PL）部分设计硬件时序，完成 OCT 光谱数据采集；通过 AXI4 总线的 DMA IP 核及 AXI_HP 接口，将数据直接存储到内存，解决传统 FPGA 存储器资源不足的问题。 阅读全文

摘要： 一、神经网络核心结构与概念 1. 基础连接与特征提取 全连接 vs 局部连接 全连接：每个神经元与前一层所有输入相连，参数多（适用于简单分类，但不适合图像）。 局部连接：神经元仅连接前一层局部区域（局部感受野），利用图像局部相关性，大幅减少参数（CNN 基础）。 局部感受野神经元 “关注” 的输入局 阅读全文

摘要： 一、非监督学习基础 核心特点：训练数据无标签（无y值），算法需自主发现数据中的隐含结构（如聚类、分布规律等）。 典型应用场景：客户分群、异常检测、数据压缩等。聚类的非监督学习。无监督学习通过数据找到规律分组。 二、K-Means 聚类算法 目标：将无标签数据自动划分成K个聚类，使同一聚类内的数据相似 阅读全文

摘要： 吴恩达机器学习笔记：监督学习入门 什么是监督学习？ 监督学习是一种机器学习方法，核心是用带有 “标准答案” 的数据集训练模型。每个输入样本都对应已知的输出标签，模型通过学习这些数据，找到输入与输出之间的映射关系，最终实现对新数据的预测。 给机器大量x对应y的数据集，大量数据集训练后给予一个新的x，机 阅读全文

摘要： 完成简单的USB HUB板 阅读全文

摘要： 美化界面并链接Gitee和Github 阅读全文