l1層或稱物理層，提供物理介質上的位元流傳輸，遵循gsm技術05系列規範，為上層軟體提供服務，且控制邏輯通道到物理通道的對映和安排、無線控制以及tdma幀。
基本模組包括
1：l1非同步邏輯（layer1 asynchronous）
處理上層軟體的訊息請求，經過l1處理後將結果返回給上層軟體。
2：surrounding cell engine：處理相鄰小區cell的功率測量以及同步資訊獲取。
3：l1層控制(layer1 control)
處理無線環境中tdma時序安排，包括定時提前以及接受來自基站的功率控制。
L1和L2正則化
l1和l2正則化 l1與l2正則化都是防止模型過擬合，其方式略有不同。具體請見下文。1 l1 正則化l1正則化 1範數 是指，各權值 變數 特徵 絕對值之和。其作用是產生權值的稀疏模型，也就是讓大部分權值為0.為什麼能產生權值稀疏模型？因為如下圖所示，各權值絕對值之和後得到乙個矩陣，很容易在矩陣的頂...
L1以及L2正則化
機器學習中幾乎都可以看到損失函式後面會新增乙個額外項，常用的額外項一般有兩種，一般英文稱作 1 norm和 2 norm，中文稱作l1正則化 和l2正則化 或者l1範數 和l2範數 l1正則化和l2正則化可以看做是損失函式的懲罰項。所謂 懲罰 是指對損失函式中的某些引數做一些限制。對於線性回歸模型，...
關於L1和L2正則
l0範數表示向量中非零元素的個數 也就是如果我們使用l0範數，即希望 w的大部分元素都是0 w是稀疏的 所以可以用於ml中做 稀疏編碼 特徵選擇。通過最小化l0範數，來尋找 最少最優的稀疏特徵項 但不幸的是，l0範數的最優化問題是乙個np hard問題，而且理論上有證明，l1範數是l0範數的最優凸近...