期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于置信传播算法的低密度校验码量化译码设计
被引量：
2
1
作者
贺玉成
慕建君
王新梅
《计算机学报》
EI
CSCD
北大核心
2003年第8期934-939,共6页
介绍了二元输入连续输出无记忆AWGN信道下低密度校验 (LDPC)码的置信传播译码算法及其密度进化特性 .根据密度进化规律 ,分析了不同消息空间中的量化译码问题 .得出结论如下 :对于概率和概率差消息 ,只有高阶均匀量化才能获得满意的译...
介绍了二元输入连续输出无记忆AWGN信道下低密度校验 (LDPC)码的置信传播译码算法及其密度进化特性 .根据密度进化规律 ,分析了不同消息空间中的量化译码问题 .得出结论如下 :对于概率和概率差消息 ,只有高阶均匀量化才能获得满意的译码性能 ;似然比消息的适当对数量化可等价于对数似然比消息的均匀量化 ;对数似然比消息易于实现相对信道输入± 1的无偏对称量化 ,并有效利用消息的统计特性 .由非均匀量化在大消息区域分配的量化电平可以有效地促进算法收敛 .仿真结果表明 。
展开更多
关键词
人工智能
置信传播
算法
低密度校验码
量化译码
设计
概率推理算法
在线阅读
下载PDF
职称材料
Bayes网络学习的MCMC方法
被引量：
4
2
作者
岳博
焦李成
《控制理论与应用》
EI
CAS
CSCD
北大核心
2003年第4期582-584,588,共4页
基于Bayes统计理论,提出了一种从数据样本中学习Bayes网络的Markov链Monte Carlo(MCMC)方法。首先通过先验概率和数据样本的结合得到未归一化的后验概率,然后使用此后验概率指导随机搜索算法寻找“好”的网络结构模型。通过对Alarm网络...
基于Bayes统计理论,提出了一种从数据样本中学习Bayes网络的Markov链Monte Carlo(MCMC)方法。首先通过先验概率和数据样本的结合得到未归一化的后验概率,然后使用此后验概率指导随机搜索算法寻找“好”的网络结构模型。通过对Alarm网络的学习表明了本算法具有较好的性能。
展开更多
关键词
Bayes统计理论
概率推理算法
MCMC方法
BAYES网络
模型选择
随机搜索
网络学习
在线阅读
下载PDF
职称材料
题名
基于置信传播算法的低密度校验码量化译码设计
被引量：
2
1
作者
贺玉成
慕建君
王新梅
机构
西安电子科技大学综合业务网国家重点实验室
出处
《计算机学报》
EI
CSCD
北大核心
2003年第8期934-939,共6页
基金
国家自然科学基金 (60 2 72 0 5 7)
华为技术有限公司提供的"华为科技基金"资助
文摘
介绍了二元输入连续输出无记忆AWGN信道下低密度校验 (LDPC)码的置信传播译码算法及其密度进化特性 .根据密度进化规律 ,分析了不同消息空间中的量化译码问题 .得出结论如下 :对于概率和概率差消息 ,只有高阶均匀量化才能获得满意的译码性能 ;似然比消息的适当对数量化可等价于对数似然比消息的均匀量化 ;对数似然比消息易于实现相对信道输入± 1的无偏对称量化 ,并有效利用消息的统计特性 .由非均匀量化在大消息区域分配的量化电平可以有效地促进算法收敛 .仿真结果表明 。
关键词
人工智能
置信传播
算法
低密度校验码
量化译码
设计
概率推理算法
Keywords
Algorithms
Artificial intelligence
Computer simulation
Convergence of numerical methods
Decoding
Iterative methods
Probability density function
Signal encoding
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
Bayes网络学习的MCMC方法
被引量：
4
2
作者
岳博
焦李成
机构
西安电子科技大学雷达信号处理国家重点实验室
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2003年第4期582-584,588,共4页
基金
国家自然科学基金(60073053)
文摘
基于Bayes统计理论,提出了一种从数据样本中学习Bayes网络的Markov链Monte Carlo(MCMC)方法。首先通过先验概率和数据样本的结合得到未归一化的后验概率,然后使用此后验概率指导随机搜索算法寻找“好”的网络结构模型。通过对Alarm网络的学习表明了本算法具有较好的性能。
关键词
Bayes统计理论
概率推理算法
MCMC方法
BAYES网络
模型选择
随机搜索
网络学习
Keywords
Bayesian networks
Markov chain Monte Carlo
model selection
stochastic search
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于置信传播算法的低密度校验码量化译码设计
贺玉成
慕建君
王新梅
《计算机学报》
EI
CSCD
北大核心
2003
2
在线阅读
下载PDF
职称材料
2
Bayes网络学习的MCMC方法
岳博
焦李成
《控制理论与应用》
EI
CAS
CSCD
北大核心
2003
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
