Modulation Recognition
文章平均质量分 64
ccjoffrey
这个作者很懒,什么都没留下…
展开
-
(CPC)Representation Learning with Contrastive Predictive Coding
Representation Learning with Contrastive Predictive Coding一种通用的无监督学习方法——对比预测编码。通过自回归模型预测潜在空间(高维空间)的未来,以学习高级表征。在训练阶段不涉及具体下游任务。原文主要贡献将高维数据压缩到更加紧密的潜在嵌入空间,这个空间中条件预测更容易建模。在这个潜在空间中使用强大的自回归模型来做多步未来预测。损失函数依靠噪声对比估计,这是与自然语言模型中用于学习词嵌入类似的方式,需要整个模型以端到端的形式进行训练。将最原创 2021-09-08 13:42:04 · 606 阅读 · 0 评论 -
Self-supervised Learning整理
Self-supervised LearningPre-train Fine-tunePre-train Fine-tune算是一种Transfer Learning。首先,假设按照SimCLR中的设定,将一般的模型分为两部分,分别为Encoder和Projection Head。Encoder结构类似于AutoEncoder中的Encoder部分,输出是一个低维的张量,可以称为输入数据的表征。Projection Head可以认为是一个全连接层,将Encoder输出的张量映射为更低维的张量(或者称为原创 2021-09-08 13:40:16 · 1306 阅读 · 0 评论 -
pytorch的自定义数据集/DataLoader和Dataset重写
目录背景介绍DataLoader介绍Dataset 介绍工作原理继承__init__方法__getitem__方法__len__方法使用总结背景介绍 做Modulation Recognition的时候需要加载自定义的数据集,这就涉及到DataLoader和Dataset类中的方法重写了。DataLoader介绍 源码中的介绍是:*Data loader. Combines a dataset and a sampler, and provides an iterable over the g原创 2020-09-19 23:01:24 · 8403 阅读 · 5 评论 -
GCN学习一周小结
目录提出思想及发展提出解决方案谱域图卷积空域图卷积发展重要的结论从ChebNet 到GCN应用缺点TODO LIST提出思想及发展提出对于图(pictures)的处理,CNN是一件大法宝;但是由于CNN处理的对象都是Euclidean Structure,无法对Non Euclidean Structure数据进行处理。图(graph)就是典型的Non Euclidean Structure数据。所以GCN(Graph Convolutional Network)应运而生。研究GCN的原因,主要可以原创 2020-08-06 12:08:32 · 629 阅读 · 0 评论 -
Novel Robust Band-Limited Signal Detection Approach Using Graph
Novel Robust Band-Limited Signal Detection Approach Using Graph目录Novel Robust Band-Limited Signal Detection Approach Using GraphPaper DownloadAbstractImplemention一、信号的生成二、计算功率谱X(m)X(m)X(m),并归一化三、量化四、构建邻接矩阵Paper Download原文百度云提取码:AbstractAbstract— In th原创 2020-08-05 22:13:13 · 1021 阅读 · 4 评论