最近在看RNN循环神经网络，但是网上的教程杂七杂八的太乱了，这里我将网上的教程大概整理一下，以供大家一起起学习。1、为什么需要RNN我们知道 对于传统神经网络，通过训练之后，给特定的输入就会得到期望的输出。但是对于传统的神经网络，前一个输入与后一个输入之间通常是没有联系的，并且其输出之间也是没有联系的。试想一下，如果我们要处理进行翻译一段文字，这时候将单个文字输入到神经网络里面，输...

转自博客http://colah.github.io/posts/2015-08-Understanding-LSTMs/，大致翻译了一下，大神讲的很好。RNN Networks人类不会每时每刻都开始思考。当你阅读这篇文章时，你会根据你对之前单词的理解来理解每个单词。你不会扔掉所有东西，然后再从头开始思考。你的思想有持久性。传统的神经网络无法做到这一点，这似乎是一个主要的缺点。例...

一、介绍在过去的十年里，基于网络的视频应用变得非常普遍，现代设备和网络基础设施推动了高分辨率、高质量内容消费的快速增长。因此，占主导地位的带宽消费者，如视频点播（VoD）、实时流媒体和会话视频，以及新兴的新应用，包括虚拟现实和云游戏，这些都非常依赖于高分辨率和低延迟，对传输基础设施提出了严峻的挑战，因此对高效视频压缩技术的需求更加强烈。二、AV1编码工具1.编码块划分VP9使用从64×64级别到4

摘要—在传统的图像和视频编码方案中，由于可分离变换复杂度较低，通常采用可分离的变换。然而，对于通常大多数具有任意定向的边缘和纹理图案的自然图像/视频块，可分离变换的压缩效率受到限制。众所周知，对于具有方向性的纹理图案，不可分离的变换可以实现更好的压缩效率，但是它们的计算复杂，尤其是对于较大的块而言。为了用相对低复杂度的实现方式实现更高的变换编码增益，在本文中，我们提出了不可分离的二次变换（NSST

安装opencv的时候遇到如下问题OpenCV Error: Unspecified error (The function is not implemented. Rebuild the library with Windows, GTK+ 2.x or Carbon support. If you are on Ubuntu or Debian, install libgtk2.0-de...

本题要求计算单链表倒数n个结点的乘积。例如，给出单链表1 2 3 4 5，则倒数2个结点的乘积为20。输入格式:输入有2行，第一个行为2个非负整数m和n。其中m为链表结点个数，n为链表倒数结点的数量。题目保证计算结果在int范围内。 第二行为链表的m个数，以空格分隔。输出格式:在一行中输出倒数n个结点的乘积。输入样例:5 21 2 3 4 5输出样例:20...

N个人围成一圈顺序编号，从1号开始按1、2、3......顺序报数，报p者退出圈外，其余的人再从1、2、3开始报数，报p的人再退出圈外，以此类推。 请按退出顺序输出每个退出人的原序号。输入格式:输入只有一行，包括一个整数N(1<=N<=3000)及一个整数p(1<=p<=5000)。输出格式:按退出顺序输出每个退出人的原序号，数据间以一个空格分隔，但行尾无空...

BMP图片格式BMP图片，是Bitmap（位图）的简称，它是windows显示图片的基本格式。在windows下，任何格式的图片文件（包括视频播放）都要转化为位图才能显示出来。各种格式的图片文件也都是在位图格式的基础上采用不同的压缩算法生成的。位图文件主要分为如下3个部分：块名称对应Windows结构体定义大小（Byte）文件信息头BITMAPFILEHE...

MATLAB仿真分别实现一阶RC低通和高通滤波器，输入信号为正弦信号或者方波信号。注意截止频率为f = 1/(2*pi*R*C)低通滤波器下所示：%功能：一阶RC低通滤波器仿真%说明：%1、分析了一阶RC滤波器的幅值衰减特性和相移特性%2、分析了一阶RC滤波器的频域特性%3、使用lsim对系统进行仿真%4、使用FFT对原始输入信号和滤波器输出信号进行分析%传递函数：sys...

一、卷积的基本属性卷积核（Kernel）：卷积操作的感受野，直观理解就是一个滤波矩阵，普遍使用的卷积核大小为3×3、5×5等；步长（Stride）：卷积核遍历特征图时每步移动的像素，如步长为1则每次移动1个像素，步长为2则每次移动2个像素（即跳过1个像素），以此类推；填充（Padding）：处理特征图边界的方式，一般有两种，一种是对边界外完全不填充，只对输入像素执行卷积操作，这样会使输出特征图的尺