一篇论文，提出了BI-CNN模型，能够使二值化神经网络大幅提高精度，在CIFAR-10和IMAGENET数据集上表现良好。
2021-04-07 17:07:59
1.02MB
1
通过MATLAB仿真两径瑞利衰落信道模型和多径瑞利信道指数型功率时延分布模型。
2021-04-01 18:27:33
4KB
1
针对时变信道，提出了一种基于目标识别的新型聚类算法。 使用Bartlett波束形成器从测量数据中提取出功率角谱（PAS）。 然后使用所提出的算法将PAS中的簇与背景分离，其中考虑了PAS中元素的幅度分布。 此外，应用形态学运算来进一步划分彼此连接的簇。 结果表明，所提算法能够以较低的计算成本很好地识别视距（LoS）和非视距（NLoS）环境中的主导簇。 通过使用所提出的算法，可以在不使用任何高分辨率参数估计的情况下，清晰地观察实时信道测量中簇的动态变化。
2021-03-29 16:21:41
384KB
1
单通道队列
在“单通道排队问题”中，一次为一个客户提供服务。 如果服务器繁忙，则客户必须排队等候。 我们必须解决python中的单通道排队问题。 首先，我们必须使用泊松分布来定义到达时间，而服务时间是使用指数分布来定义。 为20个客户定义了此问题。 第一个到达时间，到达时间，服务开始时间，客户在队列中等待，服务器的空闲时间定义为0。使用此功能可以找到第二个到第二个值：
2021-03-29 14:09:16
89KB
1
Convolutional Neural Networks for Multivariate Time Series Classification using both Inter- & Intra- Channel Parallel Convolutions
G. Devineau
2021-03-19 15:15:10
208KB
时间：2021.03.18 更新，可访问以下地址自行更新
https://raw.githubusercontent.com/wilon/sublime/master/download/channel_v3.json
2021-03-18 13:04:50
3.53MB
1
我们提出了一种使用平均厚度不同的三通道样本对肺结节进行假阳性减少的新方法。 一个三通道样本包含一个以候选点为中心的色块以及该候选点上方和下方的第k个切片的两个色块。 三通道样本包含丰富的肺结节空间背景信息，并且可以在较低的计算和存储要求下进行训练。 卷积神经网络（CNN）被构建和优化为我们研究中的候选特征提取器和分类器。 提出了一种融合方法，用于融合每个候选的多个预测结果。 我们的方法报告说，在LUNA16 Challenge进行的888 CT扫描中，每次扫描4次和8次假阳性时，灵敏度分别为84.8％和91.4％。 实验结果表明，我们的方法显着减少了肺结节检测中的假阳性。
2021-03-12 09:08:05
395KB
1
代码提供了GFDM和OFDM在AWGN信道下的BER性能对比。其中包含GFDM调制矩阵的生成、调制以及解调等模块。
2021-03-10 11:30:00
6KB
1