自动调制识别在认知无线电、智能解调器、电子侦察等各种民用及军事应用中扮演重要角色。自动调制识别属于分类问题，常见的方法有KNN、DT、SVM、CNN。为了提高自动调制识别的准确度，基于GNU Radio生成20种信噪比8种调制类型的IQ数据集，训练深度神经网络模型RESNET进行分类测试。实验结果显示自动调制识别的分类准确度提高了近12%。证明了RESNET 适用于自动调制识别，可以满足工程需求。
2021-04-08 12:57:23
1.79MB
1
深度神经网络中的多目标稀疏学习模型，刘嘉，公茂果，深度神经网络是一种具有复杂结构和较深层次的神经网络模型,其强大的数据表示和建模能力使其在各类应用中发挥了巨大的作用.稀疏理�
2021-04-02 19:36:12
1006KB
1
基于深度神经网络的时域信道估计算法，张丁水，林家儒，本文介绍了一种基于深度神经网络（DNN）的无线信道估计算法，可应用于低信噪比下单载波频域均衡（SC-FDE）系统中对衰落信道的估计。
2021-03-03 22:12:58
850KB
1
基于深度神经网络的风机叶片缺陷识别方法，代海涛，李颖，为了解决风机叶片缺陷检测效率低下的问题，文章提出了一种基于深度神经网络的风机叶片缺陷识别方法。首先，根据风电机组的结构特
2021-03-03 22:02:01
548KB
1
由Poonam Sharma和Akansha Singh所写：深度学习在各种机器学习和计算机视觉应用中取得了显着的成功。 学习允许多个处理层自己学习功能，与传统的机器学习方法相反，而传统的机器学习方法无法以自然形式处理数据。 深度卷积网络在处理图像和视频方面表现出色，而循环神经网络在顺序数据方面取得了巨大成功。 本文回顾了迄今为止在该领域所做的所有方面和研究以及未来的可能性。
2021-02-27 16:41:52
293KB
1
深度神经网络在图像识别、语言识别和机器翻译等人工智能任务中取得了巨大进展，很大程度上归功于优秀的神经网络结构设计。神经网络大都由手工设计，需要专业的机器学习知识以及大量的试错。
2021-02-13 17:06:47
12.79MB
1