面向致力于传统通信结合深度学习的科研工作者的全网最优入门指南。文章目录前言硬件配置硬件清单推荐：环境配置工具推荐IDE前言随着深度学习浪潮的席卷，许多科研人员开始思考传统通信与深度学习的结合。然而习惯了Matlab下的仿真， python编程环境及各式框架的眼花缭乱成为了第一步的拦路虎。 笔者希望谨以此文， 帮助所有初次涉足这一领域的人避开各种坑和无谓的困扰，最简易上手， 快速复现经典著...

前言python作为如今最流行的语言之一， 其中一个重要的优点就是其包罗万象无所不能的库。 但与其他语言类似， 想要直接用库（包），还得先经过环境的配置。 尤其是比如tensorflow等大热神经网络包的环境配置，不可谓不繁琐： GPU与CPU版本的区别， 快速的版本更替等， 都让环境的配置变得棘手。 于是刚入坑之际， 就被推荐了Anaconda这一神器， 用于管理环境和包。 但这个让人非常难受.

文章目录前言第五章 Q-learning 和 贝尔曼方程贝尔曼方程Value of Action 动作的价值一个简单的例子值迭代算法V值迭代算法Q值迭代算法实例： FrozenLake中的值迭代算法collection.defaultdict总结前言重读《Deep Reinforcemnet Learning Hands-on》， 常读常新， 极其深入浅出的一本深度强化学习教程。 本文的唯一贡献是

前言最近接触到这个问题， 看了一些相关的资料，觉得维基百科的介绍是最为精炼详实的， 以这篇笔记翻译了一下， 也供自己查阅所用。矩阵补全顾名思义， 矩阵补全就是指将一个部分元素已知的矩阵的缺失值补全的问题。 这个问题的著名背景是美国的视频公司Netflix提出了这样的问题， 给出一个矩阵，其每行代表一个用户， 每列则代表用户所看过的电影。 这样一个矩阵的维度是非常庞大的， 因此Netflix公司希望

最近接触了一些克罗内克积和 Khatri-Rao Product及向量化的相关问题， 本文记录下非常重要的一个概念： 交换矩阵。定义在线性代数中， 有一类矩阵被称为 置换矩阵 (permutation matrix)：对于一个正方矩阵， 每一行和每一列有且仅有一个非零元素， 就是置换矩阵。比如：P=[100001010]\mathbf{P} =\left[\begin{array}{lll}1 &

文章目录前言第二章 OpenAI Gym深入解析Agent介绍框架前的准备OpenAI Gym APISpace 类Env 类step()方法创建环境第一个Gym 环境实践： CartPole实现一个随机的AgentGym 的 额外功能——装饰器和监视器装饰器 Wrappers监视器 Monitor总结前言重读《Deep Reinforcemnet Learning Hands-on》， 常读常新

用multiprocessing库的map方法实现多进程from multiprocessing import Pooldef f(x):return x*xif __name__ == '__main__':with Pool(5) as p:print(p.map(f, [1, 2, 3]))这是官网的示例。Pool(5)中的5指的是要开的进程数。p.map()的用法就是， 输入两个参数， 第

本文记录下对信道容量的数学推导。信道容量与互信息假定读者已有了基本的信息论知识， 那么，假设发送信号为 xxx （可以是一个长度为NNN的向量）， 接收信号为 yyy。 衡量 xxx信息量的度量就是 xxx的熵 H(x)H(x)H(x), 而条件熵 H(x∣y)H(x|y)H(x∣y) 就是在已知 yyy的情况下， xxx剩余的不确定度。那么，要想达到可靠通信， H(x∣y)H(x|y)H(x∣y

前言最近除了论文之外， 还做了两方面的工作。 一是理清了之前一直不太明白的GAMP算法， 二是在知乎大V刘大的帮助下，了解了最近较为火热的通信雷达一体化相关研究领域。 近期更新的博客也会围绕着这两点，记录下最近的收获。本文主要是围绕 An Overview of Signal Processing Techniques for Joint Communication and Radar Sensi

文章目录前言OFDM的数学实现： FFTOFDM与DFT循环前缀前言在上一篇中， 我们详细讲述了OFDM的重要概念： 【通信原理| OFDM技术的最简讲解（上）】窄带、宽带与频分复用、多载波调制的讲解:宽带和窄带： 宽带的多径干扰是OFDM技术的应用背景。多载波复用： OFDM的本质内核本篇我们填坑，把上篇未讲完的OFDM的具体实现详细说明一遍。OFDM的数学实现： FFT早在70年代就已被提出的