48 unsigned int L=100000;
52 Pds::Vector f0={1,2,3,4,5};
56 Pds::Vector Rho=Pds::GeomSpace(0.01,0.1,N);
59 for(
unsigned int n=0;n<N;n++)
61 if(n==0) L=200/1.0e-5;
78 BER.SetRaw(n,Us.Xor(Unb).Mean());
81 std::cout<<
"p: "<<Rho[n]<<
"\tBERm: "<<BER[n]<<
"\n";
84 Pds::Octave::XLabel=
"Rho";
85 Pds::Octave::YLabel=
"BER";
86 Pds::Octave::Legend={
"Rho",
"BER"};
87 Pds::Octave::Plot::LogLogXYXY(Rho,Rho,Rho,BER,
"temporal.m",
"example_ceo_model_fusion.png");
Pds::Vector NaiveBayes(double ps, Pds::Vector p, const Pds::Matrix &U, double Umbral=0.5)
Retorna una aproximación del vector a partir de las muestras en .
Pds::Matrix Bsc(const Pds::Vector &Us, const Pds::Vector &p)
Retorna el resultado de passar un vector por un banco de canales BSC de probabilidades .