在学习SAR成像相关算法之前，首先要掌握信号处理相关基础算法。比如传统算法中的傅里叶变换、匹配滤波、线性调频信号去斜处理；还有新兴算法中涉及的分数阶傅里叶变换、压缩感知、最优化理论等。（1）傅里叶变换与卷积傅立叶变换是一种分析信号的方法，它可分析信号的成分（参考傅里叶级数分解，如下图），也可用这些成分合成信号。在不同的领域中，傅里叶的有不同的表达形式。通俗的将傅里叶变化是将时域信号变换到它所对应的频域。其变换关系为：在SAR成像中，通常使用的是快速傅里叶变换FFT，FFT是离散傅氏变换（DFT）的快速算法。它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。DF
1.一般中介效应模型1.1基本模型设定不妨考虑一个基本的中介效应模型设定：其中，、和分别代表被解释变量、核心解释变量和中介变量；和为随机扰动项。若假定和相互独立，则X对Y的中介效应（ME，间接影响）可估计如下：那么如何判断X对Y的中介效应ME在统计意义上是否显著呢？实践中，通常采用Sobel检验，或者基于Bootstrap的经验检验。鉴于Bootstrap方法的灵活性，这篇推文重点介绍基于Bootstrap方法的中介效应检验。1.2基于Bootstrap法的检验步骤题外话：Bootstrap法（又称拔靴法、自助法等）由斯坦福大学统计学家BradleyEfron在总结、归纳前人研究成果的基础上提
1.一般中介效应模型1.1基本模型设定不妨考虑一个基本的中介效应模型设定：其中，、和分别代表被解释变量、核心解释变量和中介变量；和为随机扰动项。若假定和相互独立，则X对Y的中介效应（ME，间接影响）可估计如下：那么如何判断X对Y的中介效应ME在统计意义上是否显著呢？实践中，通常采用Sobel检验，或者基于Bootstrap的经验检验。鉴于Bootstrap方法的灵活性，这篇推文重点介绍基于Bootstrap方法的中介效应检验。1.2基于Bootstrap法的检验步骤题外话：Bootstrap法（又称拔靴法、自助法等）由斯坦福大学统计学家BradleyEfron在总结、归纳前人研究成果的基础上提
@[toc]Malthus指数增长模型假设人口自然增长率r为常数，即单位时间内人口的增长量与当时的人口呈正比。人口倍增时间：参数估计线性化后，利用线性最小二乘法先做数值微分，再计算增长率，将平均增长率作为增长率r的估计值，边界值直接采用原始值。改进的指数增长模型假设人口增长率r是线性可变的。logistic模型自然资源和环境条件等因素对人口的增长起着阻滞作用，随着人口的增加，阻滞作用越明显。资源和环境所能容纳的最大人口数量是。当达到这一最大值时，人口不再增长。因此，假设人口增长率r是t时刻人口x的减函数：logistic模型的参数估计将logistic模型变形，对人口数据做数值微分后计算增长率
@[toc]Malthus指数增长模型假设人口自然增长率r为常数，即单位时间内人口的增长量与当时的人口呈正比。人口倍增时间：参数估计线性化后，利用线性最小二乘法先做数值微分，再计算增长率，将平均增长率作为增长率r的估计值，边界值直接采用原始值。改进的指数增长模型假设人口增长率r是线性可变的。logistic模型自然资源和环境条件等因素对人口的增长起着阻滞作用，随着人口的增加，阻滞作用越明显。资源和环境所能容纳的最大人口数量是。当达到这一最大值时，人口不再增长。因此，假设人口增长率r是t时刻人口x的减函数：logistic模型的参数估计将logistic模型变形，对人口数据做数值微分后计算增长率
还能这么玩？将PromptTuning用于细粒度的图像检索！【写在前面】细粒度对象检索旨在学习判别表示以检索视觉上相似的对象。然而，现有的最佳性能作品通常在语义嵌入空间上施加成对的相似性，以在有限的数据体系中不断调整整个模型，从而导致容易收敛到次优解。本文提出了细粒度检索提示调优算法(FRPT)，该算法从样本提示和特征自适应的角度出发，利用冻结的预训练模型来执行细粒度检索任务。具体地说，FRPT只需要在提示和自适应中学习较少的参数，而不是对整个模型进行调整，从而解决了对整个模型进行微调而导致的收敛到次最优解的问题。从技术上讲，作为样本提示，引入了结构扰动提示(SPP)，通过内容感知的非均匀采样
还能这么玩？将PromptTuning用于细粒度的图像检索！【写在前面】细粒度对象检索旨在学习判别表示以检索视觉上相似的对象。然而，现有的最佳性能作品通常在语义嵌入空间上施加成对的相似性，以在有限的数据体系中不断调整整个模型，从而导致容易收敛到次优解。本文提出了细粒度检索提示调优算法(FRPT)，该算法从样本提示和特征自适应的角度出发，利用冻结的预训练模型来执行细粒度检索任务。具体地说，FRPT只需要在提示和自适应中学习较少的参数，而不是对整个模型进行调整，从而解决了对整个模型进行微调而导致的收敛到次最优解的问题。从技术上讲，作为样本提示，引入了结构扰动提示(SPP)，通过内容感知的非均匀采样
