文献

J-GLOBAL ID：201902257448198369   整理番号：19A0131723

無線分類による生成的敵対ネットワーク:変調認識のための半教師付き法【JST・京大機械翻訳】

Radio Classify Generative Adversarial Networks: A Semi-supervised Method for Modulation Recognition

著者 (4件)： Li Mingxuan (National Digital Switching System Engineering and Technology Research Center, Zhengzhou, 450000, China) ,  Liu Guangyi (National Digital Switching System Engineering and Technology Research Center, Zhengzhou, 450000, China) ,  Li Shuntao (National Digital Switching System Engineering and Technology Research Center, Zhengzhou, 450000, China) ,  Wu Yifan (National Digital Switching System Engineering and Technology Research Center, Zhengzhou, 450000, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICCT  ページ： 669-672  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 筆者らは,一般的なスケーラブルで,無線分類一般的付加的ネットワーク(RCGAN)と呼ばれる,一般的で拡張可能なエンドツーエンドフレームワークを提案することにより,変調認識のタスクのための無線機械学習ドメインに一般的な付加的ネットワーク(GAN)を導入した。この方法は,広範なデータ駆動GPUベースの訓練プロセスの間,自己最適化を通してその特徴を自然に学習する。いくつかの実験を合成無線周波数データセットに関して行い,シミュレーション結果は,いくつかの有名な深い学習方法と古典的機械学習方法と比較して,提案方法がより高いか同等の分類精度,優れたデータ利用を達成して,ノイズに対してロバスト性を提示することを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エンドツーエンド方式 ,  ロバスト性 ,  雑音 ,  機械学習 ,  *ネットワーク ,  シミュレーション
準シソーラス用語： データ利用 ,  分類精度 ,  学習方法 ,  無線周波数 ,  自己最適化 ,  データ駆動 ,  *ワイヤレス , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 無線 ,  分類 ,  敵対 ,  変調認識 ,  教師