使用Transformer实现自动调制识别(RML2016.10a,未优化准确率达90%)

7 篇文章 189 订阅 ¥119.90 ¥299.90

应粉丝要求,本文给出大型模型Transformer的信号识别的实现方式(附代码)
基于RML2016.10a识别精度可达90%+。(由于代码直接引入,未进行调参,大家可以自行优化。)

相关文章可见:https://blog.csdn.net/QAQIknow/article/details/119963986

由于设备条件有限,本文使用RML2016.10a数据集,有条件可以更改输入大小以适配其他数据集。

相关内容:

深度学习框架 Tensorflow+Keras 参考配置请点击这里
模型 相关代码
CNN/ResNet 使用CNN/ResNet实现自动调制识别(RML2018.01a)
LSTM 使用LSTM实现自动调制识别(RML2018.01a))
CLDNN 使用CLDNN实现自动调制识别(RML2018.01a))
  • 0
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 34
    评论
评论 34
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

sinysama

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值