论文部分内容阅读
基于Volterra级数的分数阶忆阻器电路解析方法研究
【机 构】
：
武汉科技大学
【出 处】
：
武汉科技大学
【发表日期】
：
2021年01期
【基金项目】
：
其他文献
随着信号处理技术的不断发展以及大数据时代的到来，人们对于信号处理技术的要求越来越高，传统采样技术已经大大限制了人们对数据的需求，压缩感知（Compressive Sensing, CS）理论提供了全新的采样思路，该方法针对稀疏信号，将采样和压缩同时进行，极大程度上减少了所需的设备存储传输空间，并通过所设计的优化算法仅用少量观测数据精确重构原始稀疏信号。 压缩感知理论主要包括三部分，信号的稀疏表示
学位
在当代的各种视觉任务中，深度卷积神经网络都验证了它的有效性，但它的有效性依赖于庞大的参数量和昂贵的计算资源，使大型的神经网络很难在计算资源和存储资源受限的设备上运行。因此，在保证网络性能的前提下对深度卷积神经网络进行压缩和加速是十分必要的。为解决这一问题，本文对神经网络滤波器裁剪以及网络量化开展研究，并进行了以下工作： 首先，本文对卷积神经网络进行了理论介绍。从网络的卷积层、激活函数、BN 层以
学位