文件名称：WARD方法matlab代码-Distributed-Compressive-Sensing-A-Deep-Learning-Approach
文件大小：29.99MB
文件格式：ZIP
更新时间：2024-06-11 23:44:09
系统开源
WARD方法matlab代码分布式压缩感知：一种深度学习方法 该存储库包括实现LSTM-CS方法并生成以下图4的所有必需程序。 要引用，请使用以下内容： @ARTICLE{hp_LSTM_CS, author={Hamid Palangi and Rabab Ward and Li Deng}, journal={IEEE Transactions on Signal Processing}, title={Distributed Compressive Sensing: A Deep Learning Approach}, year={2016}, volume={64}, number={17}, pages={4504-4518}, month={Sept}, } 在文件夹“ Other_Methods”中，使用以下参考文献中的贝叶斯压缩感测代码。 请访问其网站以获取版权条款和条件。 [1] Bayesian and Multitask Compressive Sensing: "http://www.ece.duke.edu/~lcarin/bcs_ver0.1.zip" [2
【文件预览】：
Distributed-Compressive-Sensing-A-Deep-Learning-Approach-master
----ISOMP_LSTM.m(2KB)
----SOMP.m(958B)
----Main.m(17KB)
----TgenerateISOMP_MNIST_MMV.m(3KB)
----MNIST_Data()
--------ImsVal.mat(440KB)
--------loadMNISTImages.m(811B)
--------ImsTr.mat(24.76MB)
--------loadMNISTLabels.m(516B)
--------Prepare_MNIST_Data.m(2KB)
--------ImsTest.mat(4.19MB)
----OneLayerBackprop_new.m(4KB)
----Other_Methods()
--------MT_CS_demo()
--------BCS_demo()
--------TMSBL_code()
----LSTM_Grad_Clip.m(359B)
----README_LSTM.txt(3KB)
----FP_LSTM.m(514B)
----LSTM_Grads.m(5KB)
----LSTM_TrainCE.m(5KB)
----mnist_fun.m(121B)
----TgenerateISOMP_MNIST_MMV_CE.m(3KB)
----NISOMPnew.m(1KB)
----OneLayerBackprop_new_Biased.m(5KB)
----README.md(4KB)