AI 助理
备案控制台
开发者社区 人工智能 文章 正文

【信道估计】基于LS和MMSE算法导频信道估计（误差率对比）附Matlab代码

2023-07-09 1233
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 【信道估计】基于LS和MMSE算法导频信道估计（误差率对比）附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

基于最小二乘（Least Squares, LS）和最小均方误差（Minimum Mean Square Error, MMSE）的导频信道估计是常用的信道估计方法之一，用于估计无线通信系统中的信道响应。下面将介绍LS和MMSE算法的基本原理和步骤。

  1. 最小二乘（LS）算法： a. 发送导频序列：在发送端，周期性地插入已知导频序列到待传输的数据序列中。 b. 接收导频序列：接收端接收到包含导频序列的信号，并进行采样和解调。 c. 估计信道响应：使用接收到的导频序列和已知导频序列进行相关运算，得到信道响应的估计值。 d. 插值和外推：对于非导频位置，可以通过插值或外推方法获得信道响应的估计值。
  2. 最小均方误差（MMSE）算法： a. 发送导频序列：同样在发送端周期性地插入已知导频序列到待传输的数据序列中。 b. 接收导频序列：接收端接收到包含导频序列的信号，并进行采样和解调。 c. 估计协方差矩阵：使用接收到的导频序列计算信道响应的协方差矩阵。 d. 计算MMSE估计：通过计算信道响应的协方差矩阵的逆矩阵与接收导频序列的乘积，得到信道响应的MMSE估计值。

LS算法是一种简单直接的信道估计方法，但在噪声较大或导频序列有限的情况下，其估计精度较低。而MMSE算法考虑了信道噪声的影响，可以提供更准确的信道估计结果。

需要注意的是，LS和MMSE算法都需要已知导频序列，因此在实际应用中，需要事先设计好导频序列并在发送端进行插入。此外，为了提高信道估计的准确性，可以采用多径信道模型、时频域插值等技术进行进一步优化。

⛄ 代码

%====================================================%  Cobayashi Laboratory , Mie University, Japan%%                   Last Modified by  tao,2001/05/17 %====================================================function out = f_GetPoints(M)BPSKTable = f_EnGray(2);BPSKTable1 = [1+0i -1+0i];QPSKTable = f_EnGray(4);QPSKTable1 = [1 -1i 1i -1];QAM8Table7 = f_EnGray(8);QAM8Table = [    ...      -1 + 1j*-1    ...      -3 + 1j*0     ...      -1 + 1j*1     ...       0 + 1j*3     ...       1 + 1j*-1    ...       0 + 1j*-3    ...       1 + 1j*1     ...       3 + 1j*0  ]* sqrt(4/11);QAM8Table0 = [    ...      3  + 1j   ...      1  + 1j    ...      -3 + 1j   ...      -1 + 1j   ...      3  + 1j*-1 ...      1  + 1j*-1 ...      -3 + 1j*-1   ...      -1 + 1j*-1];QAM8Table6 = [    ...      2          ...      2+2j       ...      -2+2j  ...      2j         ...      2+1j*-2 ...      1j*-2      ...      -2         ...      -2 + 1j*-2];QAM8Table5 = [    ...      3+1j*1      ...      1+1j*3      ...      -3+1j*1      ...      -1+1j*3      ...      3+1j*-1      ...      1+1j*-3      ...      -3+1j*-1      ...      -1+1j*-3 ];QAM8Table4 = [    ...      1+1j*1      ...      1+1j*-1      ...      -1+1j*1      ...      3+1j*-1      ...      -3+1j*1      ...      -1+1j*-3      ...      1+1j*3      ...      -1+1j*-1 ];QAM8Table3 = [    ...      3          ...      1+1j       ...      -1 + 1j  ...      3j         ...      1 + 1j*-1 ...      1j*-3      ...      -3         ...      -1 + 1j*-1];QAM8Table2 = [    ...      1          ...      0.5+1j*0.5       ...      -0.5 + 1j*0.5  ...      1j         ...      0.5 + 1j*-0.5 ...      1j*-1      ...      -1         ...      -0.5 + 1j*-0.5];QAM8Table1 = [    ...      1          ...      1+1j       ...      -1 + 1j  ...      1j         ...      1 + 1j*-1 ...      1j*-1      ...      -1         ...      -1 + 1j*-1];QAM16Table = f_EnGray(16);QAM16Table1 = [ ...      1  + 1j*1 ...      1  + 1j*3 ...      3  + 1j*1 ...      3  + 1j*3 ...      -1 + 1j*1 ...      -1 + 1j*3 ...      -3 + 1j*1 ...      -3 + 1j*3 ...      1 + 1j*-1 ...      1 + 1j*-3 ...      3  + 1j*-1 ...      3  + 1j*-3 ...      -1 + 1j*-1 ...      -1 + 1j*-3 ...      -3 + 1j*-1 ...      -3 + 1j*-3];QAM32Table2 = f_EnGray(32);QAM32Table = [   ...       1 + 1j*1  ...       3 + 1j*1  ...       3 + 1j*5  ...       5 + 1j*1  ...       1 + 1j*3  ...       3 + 1j*3  ...       1 + 1j*5  ...       5 + 1j*3  ...       1 + 1j*-1  ...       1 + 1j*-3  ...       5 + 1j*-3  ...       1 + 1j*-5  ...       3 + 1j*-1  ...       3 + 1j*-3  ...       5 + 1j*-1  ...       3 + 1j*-5  ...       -1 + 1j*1  ...       -1 + 1j*3  ...       -5 + 1j*3  ...       -1 + 1j*5  ...       -3 + 1j*1  ...       -3 + 1j*3  ...       -5 + 1j*1  ...       -3 + 1j*5  ...       -1 + 1j*-1  ...       -3 + 1j*-1  ...       -3 + 1j*-5  ...       -5 + 1j*-1  ...       -1 + 1j*-3  ...       -3 + 1j*-3  ...       -1 + 1j*-5  ...       -5 + 1j*-3  ...   ] * sqrt(1/10);QAM32Table1 = [   ...      -3 + 1j*5  ...      -5 + 1j*1  ...      1 + 1j*5  ...      5 + 1j*3  ...      3 + 1j*-5  ...      5 + 1j*-1  ...      -1 + 1j*-5  ...      -5 + 1j*-3  ...      1 + 1j*1  ...      -1 + 1j*5  ...      5 + 1j*1  ...      1 + 1j*-1  ...      -1 + 1j*-1  ...      1 + 1j*-5  ...      -5 + 1j*-1  ...      -1 + 1j*1  ...      -3 + 1j*-3  ...      -1 + 1j*-3  ...      -3 + 1j*1  ...      -3 + 1j*3  ...      3 + 1j*3  ...      1 + 1j*3  ...      3 + 1j*-1  ...      3 + 1j*-3  ...      5 + 1j*-3  ...      3 + 1j*1  ...      1 + 1j*-3  ...      -3 + 1j*-5  ...      -5 + 1j*3  ...      -3 + 1j*-1  ...      -1 + 1j*3  ...      3 + 1j*5  ...   ];QAM64Table = f_EnGray(64);QAM64Table1 = [ ...      1  + 1j*1 ...      1  + 1j*3 ...      3  + 1j*1 ...      3  + 1j*3 ...      7  + 1j*1 ...      5  + 1j*1 ...      7  + 1j*3 ...      5  + 1j*3 ...      1  + 1j*7 ...      3  + 1j*7 ...      1  + 1j*5 ...      3  + 1j*5 ...      7  + 1j*7 ...      5  + 1j*7 ...      7  + 1j*5 ...      5  + 1j*5 ...      1  + 1j*-1 ...      1  + 1j*-3 ...      3  + 1j*-1 ...      3  + 1j*-3 ...      7  + 1j*-1 ...      5  + 1j*-1 ...      7  + 1j*-3 ...      5  + 1j*-3 ...      1  + 1j*-7 ...      3  + 1j*-7 ...      1  + 1j*-5 ...      3  + 1j*-5 ...      7  + 1j*-7 ...      5  + 1j*-7 ...      7  + 1j*-5 ...      5  + 1j*-5 ...      -1+ 1j*1 ...      -1+ 1j*3 ...      -3+ 1j*1 ...      -3+ 1j*3 ...      -7+ 1j*1 ...      -5+ 1j*1 ...      -7+ 1j*3 ...      -5+ 1j*3 ...      -1+ 1j*7 ...      -3+ 1j*7 ...      -1+ 1j*5 ...      -3+ 1j*5 ...      -7+ 1j*7 ...      -5+ 1j*7 ...      -7+ 1j*5 ...      -5+ 1j*5 ...      -1+ 1j*-1 ...      -1+ 1j*-3 ...      -3+ 1j*-1 ...      -3+ 1j*-3 ...      -7+ 1j*-1 ...      -5+ 1j*-1 ...      -7+ 1j*-3 ...      -5+ 1j*-3 ...      -1+ 1j*-7 ...      -3+ 1j*-7 ...      -1+ 1j*-5 ...      -3+ 1j*-5 ...      -7+ 1j*-7 ...      -5+ 1j*-7 ...      -7+ 1j*-5 ...      -5+ 1j*-5];QAM128Table1 = f_EnGray(128);QAM128Table = [ ...      1 + 1j*1  ...      3 + 1j*1  ...      1 + 1j*3  ...      3 + 1j*3  ...      7 + 1j*1  ...      5 + 1j*1  ...      7 + 1j*3  ...      5 + 1j*3  ...      7 + 1j*9  ...      5 + 1j*9  ...      7 + 1j*11 ...      5 + 1j*11 ...      9 + 1j*1  ...      11 + 1j*1 ...      9 + 1j*3  ...      11 + 1j*3 ...      1 + 1j*7  ...      3 + 1j*7  ...      1 + 1j*5  ...      3 + 1j*5  ...      7 + 1j*7  ...      5 + 1j*7  ...      7 + 1j*5  ...      5 + 1j*5  ...      1 + 1j*9  ...      3 + 1j*9  ...      1 + 1j*11 ...      3 + 1j*11 ...      9 + 1j*7  ...      11 + 1j*7 ...      9 + 1j*5  ...      11 + 1j*5 ...      -1 + 1j*1  ...      -1 + 1j*3  ...      -3 + 1j*1  ...      -3 + 1j*3  ...      -1 + 1j*7  ...      -1 + 1j*5  ...      -3 + 1j*7  ...      -3 + 1j*5  ...      -9 + 1j*7  ...      -9 + 1j*5  ...      -11 + 1j*7 ...      -11 + 1j*5 ...      -1 + 1j*9  ...      -1 + 1j*11 ...      -3 + 1j*9  ...      -3 + 1j*11 ...      -7 + 1j*1  ...      -7 + 1j*3  ...      -5 + 1j*1  ...      -5 + 1j*3  ...      -7 + 1j*7  ...      -7 + 1j*5  ...      -5 + 1j*7  ...      -5 + 1j*5  ...      -9 + 1j*1  ...      -9 + 1j*3  ...      -11 + 1j*1 ...      -11 + 1j*3 ...      -7 + 1j*9  ...      -7 + 1j*11 ...      -5 + 1j*9  ...      -5 + 1j*11 ...      -1 + 1j*-1  ...      -3 + 1j*-1  ...      -1 + 1j*-3  ...      -3 + 1j*-3  ...      -7 + 1j*-1  ...      -5 + 1j*-1  ...      -7 + 1j*-3  ...      -5 + 1j*-3  ...      -7 + 1j*-9  ...      -5 + 1j*-9  ...      -7 + 1j*-11 ...      -5 + 1j*-11 ...      -9 + 1j*-1  ...      -11 + 1j*-1 ...      -9 + 1j*-3  ...      -11 + 1j*-3 ...      -1 + 1j*-7  ...      -3 + 1j*-7  ...      -1 + 1j*-5  ...      -3 + 1j*-5  ...      -7 + 1j*-7  ...      -5 + 1j*-7  ...      -7 + 1j*-5  ...      -5 + 1j*-5  ...      -1 + 1j*-9  ...      -3 + 1j*-9  ...      -1 + 1j*-11 ...      -3 + 1j*-11 ...      -9 + 1j*-7  ...      -11 + 1j*-7 ...      -9 + 1j*-5  ...      -11 + 1j*-5 ...      1 + 1j*-1  ...      1 + 1j*-3  ...      3 + 1j*-1  ...      3 + 1j*-3  ...      1 + 1j*-7  ...      1 + 1j*-5  ...      3 + 1j*-7  ...      3 + 1j*-5  ...      9 + 1j*-7  ...      9 + 1j*-5  ...      11 + 1j*-7 ...      11 + 1j*-5 ...      1 + 1j*-9  ...      1 + 1j*-11 ...      3 + 1j*-9  ...      3 + 1j*-11 ...      7 + 1j*-1  ...      7 + 1j*-3  ...      5 + 1j*-1  ...      5 + 1j*-3  ...      7 + 1j*-7  ...      7 + 1j*-5  ...      5 + 1j*-7  ...      5 + 1j*-5  ...      9 + 1j*-1  ...      9 + 1j*-3  ...      11 + 1j*-1 ...      11 + 1j*-3 ...      7 + 1j*-9  ...      7 + 1j*-11 ...      5 + 1j*-9  ...      5 + 1j*-11] * sqrt(1/41);QAM256Table = f_EnGray(256);switch M,case 0,   table = [0];case 2,   table = BPSKTable;case 4,   table = QPSKTable;case 8,   table = QAM8Table;case 16,  table = QAM16Table;case 32,  table = QAM32Table;case 64,  table = QAM64Table;case 128, table = QAM128Table;case 256, table = QAM256Table;otherwise, error('No such MQAM!');endout = table;

⛄ 运行结果

⛄ 参考文献

[1] 朱竞.基于导频的MB-LSF算法的OFDM系统信道估计研究[D].华东理工大学,2014.

[2] 王宏宇.快时变信道下OFDM系统频率同步与信道估计技术研究[D].西南交通大学,2014.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料

🍅 仿真咨询

1.卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
2.图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
3.旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划
4.无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
5.传感器部署优化、通信协议优化、路由优化、目标定位
6.信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号
7.生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化
8.微电网优化、无功优化、配电网重构、储能配置
9.元胞自动机交通流 人群疏散 病毒扩散 晶体生长
文章标签：
计算机视觉
机器学习/深度学习
传感器
定位技术
数据安全/隐私保护
机器人
安全
算法
调度
开发者
关键词：
算法matlab
MATLAB算法
算法代码
MATLAB信道
信道MATLAB
Matlab科研工作室
目录
相关文章
我爱matlab
|
4天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
本研究基于MATLAB 2022a，使用GRU网络对QAM调制信号进行检测。QAM是一种高效调制技术，广泛应用于现代通信系统。传统方法在复杂环境下性能下降，而GRU通过门控机制有效提取时间序列特征，实现16QAM、32QAM、64QAM、128QAM的准确检测。仿真结果显示，GRU在低SNR下表现优异，且训练速度快，参数少。核心程序包括模型预测、误检率和漏检率计算，并绘制准确率图。
我爱matlab
79 65
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
软件算法开发
|
9天前
|
算法
基于遗传优化算法的风力机位置布局matlab仿真
本项目基于遗传优化算法（GA）进行风力机位置布局的MATLAB仿真，旨在最大化风场发电效率。使用MATLAB2022A版本运行，核心代码通过迭代选择、交叉、变异等操作优化风力机布局。输出包括优化收敛曲线和最佳布局图。遗传算法模拟生物进化机制，通过初始化、选择、交叉、变异和精英保留等步骤，在复杂约束条件下找到最优布局方案，提升风场整体能源产出效率。
软件算法开发
46 28
简简单单做算法
|
3天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于机器学习的人脸识别算法matlab仿真,对比GRNN,PNN,DNN以及BP四种网络
本项目展示了人脸识别算法的运行效果（无水印），基于MATLAB2022A开发。核心程序包含详细中文注释及操作视频。理论部分介绍了广义回归神经网络（GRNN）、概率神经网络（PNN）、深度神经网络（DNN）和反向传播（BP）神经网络在人脸识别中的应用，涵盖各算法的结构特点与性能比较。
简简单单做算法
20 9
软件算法开发
|
3天前
|
算法 图形学 数据安全/隐私保护
基于NURBS曲线的数据拟合算法matlab仿真
本程序基于NURBS曲线实现数据拟合，适用于计算机图形学、CAD/CAM等领域。通过控制顶点和权重，精确表示复杂形状，特别适合真实对象建模和数据点光滑拟合。程序在MATLAB2022A上运行，展示了T1至T7的测试结果，无水印输出。核心算法采用梯度下降等优化技术调整参数，最小化误差函数E，确保迭代收敛，提供高质量的拟合效果。
软件算法开发
21 6
简简单单做算法
|
1天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-LSTM-SAM网络时间序列回归预测算法matlab仿真
本项目使用MATLAB 2022a实现时间序列预测算法，完整程序无水印。核心代码包含详细中文注释和操作视频。算法基于CNN-LSTM-SAM网络，融合卷积层、LSTM层与自注意力机制，适用于金融市场、气象预报等领域。通过数据归一化、种群初始化、适应度计算及参数优化等步骤，有效处理非线性时间序列，输出精准预测结果。
简简单单做算法
16 3
软件算法开发
|
2天前
|
算法 数据安全/隐私保护
基于信息论的高动态范围图像评价算法matlab仿真
本项目基于信息论开发了一种高动态范围（HDR）图像评价算法，并通过MATLAB 2022A进行仿真。该算法利用自然图像的概率模型，研究图像熵与成像动态范围的关系，提出了理想成像动态范围的计算公式。核心程序实现了图像裁剪处理、熵计算等功能，展示了图像熵与动态范围之间的关系。测试结果显示，在[μ-3σ, μ+3σ]区间内图像熵趋于稳定，表明系统动态范围足以对景物成像。此外，还探讨了HDR图像亮度和对比度对图像质量的影响，为HDR图像评价提供了理论基础。
软件算法开发
12 2
软件算法开发
|
7天前
|
存储 算法 数据可视化
Weevil-Optimizer象鼻虫优化算法的matlab仿真实现
本项目实现了Weevil-Optimizer（象鼻虫优化算法）的MATLAB仿真，展示算法在不同适应度函数下的优化收敛曲线。程序通过智能搜索策略模拟象鼻虫觅食行为，在解空间中寻找最优解。核心代码包括排序、选择、更新操作，并绘制结果图示。测试环境为MATLAB 2022A，支持Ackley、Beale、Booth、Rastrigin和Rosenbrock函数的对比分析。 虽然Weevil-Optimizer是一个虚构的概念，但其设计思路展示了如何基于自然界生物行为模式开发优化算法。完整程序运行后无水印，提供清晰的可视化结果。
软件算法开发
20 4
简简单单做算法
|
7天前
|
传感器 算法 数据安全/隐私保护
基于Affine-Sift算法的图像配准matlab仿真
本项目展示了Affine-SIFT算法的运行效果（无水印），适用于图像配准任务，能够处理旋转、缩放、平移及仿射变换。程序基于MATLAB2022A开发，包含完整代码与操作视频。核心步骤为：先用SIFT提取特征点，再通过仿射变换实现高精度对准。
简简单单做算法
22 2
软件算法开发
|
1天前
|
编解码 算法 数据安全/隐私保护
一维信号的小波变换与重构算法matlab仿真
本程序使用MATLAB2022A实现一维信号的小波变换与重构，对正弦测试信号进行小波分解和重构，并计算重构信号与原信号的误差。核心步骤包括：绘制分解系数图像、上抽取与滤波重构、对比原始与重构信号及误差分析。小波变换通过多分辨率分析捕捉信号的局部特征，适用于非平稳信号处理，在信号去噪、压缩等领域有广泛应用。
软件算法开发
15 4
软件算法开发
|
8天前
|
机器学习/深度学习 算法 数据可视化
基于线性核函数的SVM数据分类算法matlab仿真
本程序基于线性核函数的SVM算法实现数据分类，使用MATLAB2022A版本运行。程序生成随机二维数据并分为两组，通过自定义SVM模型（不依赖MATLAB工具箱）进行训练，展示不同惩罚参数C下的分类结果及决策边界。SVM通过寻找最优超平面最大化类别间隔，实现高效分类。 核心代码包括数据生成、模型训练和结果可视化，最终绘制了两类数据点及对应的决策边界。此实现有助于理解SVM的工作原理及其在实际应用中的表现。
软件算法开发
13 0

热门文章

最新文章

  • 1
    基于AutoEncode自编码器的端到端无线通信系统matlab误码率仿真
  • 2
    基于排队理论的客户结账等待时间MATLAB模拟仿真
  • 3
    基于小波变换和峰值搜索的光谱检测matlab仿真,带GUI界面
  • 4
    基于GA遗传优化的PID控制器最优控制参数整定matlab仿真
  • 5
    基于扩频解扩+turbo译码的16QAM图传通信系统matlab误码率仿真,扩频参数可设置
  • 6
    基于扩频解扩+turbo译码的QPSK图传通信系统matlab误码率仿真,扩频参数可设置
  • 7
    基于Itô扩散过程的交易策略偏微分方程matlab求解与仿真
  • 8
    基于Affine-Sift算法的图像配准matlab仿真
  • 9
    通过MATLAB实现PID控制器,积分分离控制器以及滑模控制器
  • 10
    基于NURBS曲线的数据拟合算法matlab仿真
  • 1
    算法系列之递归反转单链表
    20
  • 2
    基于信息论的高动态范围图像评价算法matlab仿真
    12
  • 3
    基于 Go 语言的公司内网管理软件哈希表算法深度解析与研究
    12
  • 4
    基于NURBS曲线的数据拟合算法matlab仿真
    21
  • 5
    基于机器学习的人脸识别算法matlab仿真,对比GRNN,PNN,DNN以及BP四种网络
    20
  • 6
    算法系列之搜素算法-二分查找
    22
  • 7
    基于问题“如何监控局域网内的电脑”——Node.js 的 ARP 扫描算法实现局域网内计算机监控的技术探究
    21
  • 8
    算法系列之分治算法
    95
  • 9
    基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
    79
  • 10
    算法系列之贪心算法
    27

    • 相关课程

    更多
  • 智能运维赛（复赛）：利用数据和算法，快速定位系统异常并进行根因分析
  • 智能创作赛（复赛）：相册应用中的视频故事生成算法介绍
  • 智能创作赛（初赛）：相册应用中的故事生成算法介绍
  • 相册服务中的故事生成算法介绍
  • Go语言核心编程 - 数据结构和算法
  • 神经网络概览及算法详解

    • 相关电子书

    更多
  • 数据+算法定义新世界
  • 袋鼠云基于实时计算的反黄牛算法
  • Alink：基于Apache Flink的算法平台

    • 相关实验场景

    更多
  • 使用Swing算法实现商品推荐
  • RSA密码算法设计与实现
  • RSA非对称加密算法
  • 欧拉图的构造性证明与算法实现
  • 推荐系统入门之使用ALS算法实现打分预测
    • 下一篇
    通义万相：视觉生成大模型再进化