笔记
文章平均质量分 85
TimeEver
这个作者很懒,什么都没留下…
展开
-
论文阅读:基于双向去噪自动编码器的稳健表征学习用于水声目标信号去噪
风噪、生物噪声、地震扰动等形成的海洋环境噪声是水声信道中的干扰背景场,给水声目标识别带来不利影响。为了提高背景噪声干扰下水下目标的识别精度,本文提出了一种用于水声目标信号去噪稳健表示学习的双向去噪自编码器。提出的BDAE是常规去噪自动编码器的扩展,它使用原始水声目标信号及其相应的去噪信号来学习稳健的表示。然后,使用支持向量机(SVM)分类器来衡量学习表示的有用性。提出的方法在ShipsEar数据库上得到了验证。实验结果表明,该方法能有效地学习水声目标信号去噪的稳健表示,优于传统的去噪方法。原创 2024-07-01 16:18:23 · 1920 阅读 · 0 评论 -
论文阅读:基于深度特征融合的ResNeXt-GRU调制自动分类
在现有的深度学习调制识别算法中,经常建立各种深度学习网络来提高算法的识别性能。左边是ResNet的基本结构,右边是ResNeXt的基本结构。事实上,ResNeXt可以看作是在每一个block内分了多组的ResNet,与Multi-head Attention有异曲同工之妙。然后,使用DCA对得到的卷积响应进行融合。最后,利用全连接神经网络对融合特征进行分类,实现AMC。作者并没有给出详细的网络设计,这里放一下原版ResNeXt的结构图。实验方面,数据集采用OSC2018,与五种方法进行了对比。原创 2024-07-01 15:18:30 · 446 阅读 · 0 评论 -
人工智能基础学习笔记:简单神经网络的构建
这是原创 2020-12-01 21:28:10 · 1556 阅读 · 0 评论