非参数密度估计
摘要：密度估计 密度估计分为参数估计（极大似然估计）和非参数估计两种。 常用的非参数估计方法有直方图法和核密度估计方法。 常采用高斯核，带宽h（平滑参数）通常采用交叉验证得到最优值。 MATLAB实现 参考https://www.mathworks.com/help/stats/ksdensity.htm
阅读全文
posted @ 2019-06-24 15:30
06 2019 档案
计算频响函数和相干函数
摘要：频响函数（FRF） 频率响应函数表征了测试系统对给定频率下的稳态输出与输入的关系。这个关系具体是指输出、输入幅值之比与输入频率的函数关系，和输出、输入相位差与输入频率的函数关系。这两个关系称为测试系统的频率特性。频率响应函数一般是一个复数。 频率响应函数直观地反映了测试系统对各个不同频率正弦输入信号
阅读全文
posted @ 2019-06-23 16:41
频谱和功率谱的区别
摘要：单位频带的信号功率就被称之为功率谱。它可以显示在一定的区域中信号功率随着频率变化的分布情况。而频谱也是相似的一种信号变化曲线，在科学的领域里，功率谱和频谱有着一定的联系，但是它们之间还是不一样的，是有区别的。 功率谱的密度 在物理学中，信号通常是波的形式表示，例如电磁波、随机振动或者声波。当波的功率
阅读全文
posted @ 2019-06-23 16:06
频率分辨率
摘要：频率分辨率是指将两个相邻谱峰分开的能力。在实际应用中是指分辨两个不同频率信号的最小间隔。研究数字频谱最有效方法通常是离散傅里叶变换。 定义 频率分辨率是数字信号处理课程教学中一个重要的概念，因为它决定了DFT参数的选择 [1] 。在现有的数字信号处理的书籍中，一般认为DFT频率分辨率为Δf=fs/N
阅读全文
posted @ 2019-06-23 15:51
测量信号的RMS(均方根)
摘要：RMS RMS是Root Mean Square的缩写，先求平方，在求平均，最后开平方。 我们可以采用RMS表征信号能量的大小（水平），比如可以向模拟信号中加入n% RMS 的高斯白噪声。RMS信噪比（RMS NSR）。
阅读全文
posted @ 2019-06-21 15:29
模型选择的几种方法--AIC，BIC，HQ准则
摘要：经常地，对一堆数据进行建模的时候，特别是分类和回归模型，我们有很多的变量可供使用，选择不同的变量组合可以得到不同的模型，例如我们有5个变量，2的5次方，我们将有32个变量组合，可以训练出32个模型。但是哪个模型更加的好呢？ 选择最优模型的指导思想是从两个方面去考察：一个是似然函数最大化，另一个是模型
阅读全文
posted @ 2019-06-19 21:22
Bootstrapping
摘要：转自：https://blog.csdn.net/yuzhiping1/article/details/82989015 Bootstrapping从字面意思翻译是拔靴法，从其内容翻译又叫自助法，是一种再抽样的统计方法。自助法的名称来源于英文短语“to pulloneself up by one’s
阅读全文
posted @ 2019-06-17 15:05
pytorch查看网络权重
摘要：model.state_dict()返回一个字典包含权重 model.state_dict().keys() 返回 odict_keys(['fc1.weight', 'fc1.bias', 'fc2.weight', 'fc2.bias', 'fc3.weight', 'fc3.bias']) m
阅读全文
posted @ 2019-06-05 10:50
预测准确性的指标
摘要：转自：http://blog.sciencenet.cn/blog-3083238-1014470.html 1、MAE（Mean Absolute Error） 2、MAPE（the Mean Absolute Percentage Error ) 3、RMSE (Root Mean Square
阅读全文
posted @ 2019-06-03 21:45
