返回信息流据说最近有个理论在革新Nyquist/Shannon sampling theory
http://www.dsp.ece.rice.edu/cs/
这里有个tutorial
http://www.acm.caltech.edu/~emmanuel/papers/CompressiveSampling.pdf
编码（representation）的问题 最终也是视觉、语言中最重要的议题之一
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #3392同步于 2008/10/9
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
Compressive Sensing
zixu1986
2008/10/9镜像同步6 回复
订阅后，新回复会通过你的通知中心匿名送达。
6 条回复
在现实中肯定是不可能一样 因为有量化
但是如果幅值可以是连续的话 在理论上 即使是时间离散的信号还是能完全表达时间联系的信号的
因为幅值连续已经就包含了无穷大的信息了
我是这样觉得的
【 在 Solmyr 的大作中提到: 】
: 不明白...
: 我觉得用机器sense的数据不可能和真实的数据一样的，只要是离散的信号。
这是一种新的采样方式 在传感器采样数据的时候就进行压缩 而不是采好了再压缩
好像最近很热 不是很清楚 转过来的
cognitive搞不太清楚 不好定义问题