文件名称：Sparsity-Tutorial:塞缪尔·法伦斯（Samuel Farrens）的稀疏教程材料
文件大小：935KB
文件格式：ZIP
更新时间：2024-06-06 23:18:20
JupyterNotebook
稀疏教程 作者：塞缪尔·法伦斯（Samuel Farrens） 年：2018 电子邮件： 网站： 内容 客观的 本教程的目的是为稀疏性概念提供初学者级的介绍，特别是作为解决线性反问题的正则化方法。 本教程没有提供深入的数学背景，也没有为每个主题提供详细的解释。 Tutees应该通过进一步阅读笔记本中提供的各种参考文献来补充本教程，以使您对该主题有更全面的了解。 有关如何将稀疏稀疏技术应用于天体物理数据的更多信息，请访问。 本教程由一系列，演示了稀疏实现的工具如何工作以及如何将这些工具应用于各种简单问题。 所有代码块均以Python提供（支持2.7和3.6+），并且将运行示例所需的外部软件包的数量保持在最低限度。 除绘制例程外，所有代码都至少在笔记本中清楚地显示过一次，以避免使用任何“黑匣子”来解决所出现的问题。 要求 为了运行教程笔记本，tutees将需要安装以下组件： （2.7
【文件预览】：
Sparsity-Tutorial-master
----.ipynb_checkpoints()
--------sparsity_3_deconvolution-checkpoint.ipynb(18KB)
--------inverse_problems_1-checkpoint.ipynb(23KB)
--------sparsity_2_compressed_sensing-checkpoint.ipynb(24KB)
--------sparsity_1-checkpoint.ipynb(23KB)
--------example_image-checkpoint.ipynb(144KB)
--------wavelets_1-checkpoint.ipynb(23KB)
----sparsity_tutorial()
--------functions.py(781B)
--------__init__.py(29B)
--------plot.py(6KB)
----wavelets_1.ipynb(23KB)
----sparsity_2_compressed_sensing.ipynb(24KB)
----exercise_solutions.ipynb(7KB)
----images()
--------galaxy_example.npy(7KB)
--------dwt.png(10KB)
--------uwt.png(6KB)
--------cea_logo.png(39KB)
----inverse_problems_1.ipynb(23KB)
----sparsity_3_deconvolution.ipynb(18KB)
----README.md(3KB)
----sparsity_1.ipynb(23KB)
----data()
--------deconv_obs_data.npy(78KB)
--------cs_true_data.npy(78KB)
--------venus.npy(791KB)
--------cs_mask.npy(78KB)
--------deconv_psf.npy(78KB)
--------cs_obs_data.npy(4KB)
----.gitignore(34B)