为了提供对机器阅读理解（MRC）中现有任务和模型的调查，本报告回顾：1）一些具有代表性的简单推理和复杂推理MRC任务的数据集收集和性能评估； 2）用于开发基于神经网络的MRC模型的体系结构设计，注意机制和提高性能的方法； 3）最近提出了一些转移学习方法，以将外部语料库中包含的文本样式知识合并到MRC模型的神经网络中； 4）最近提出的一些知识库编码方法，用于将外部知识库中包含的图形样式知识合并到MRC模型的神经网络中。 此外，根据已经取得的成就和仍然存在的不足，本报告还提出了一些尚待进一步研究的问题。
2021-05-12 20:42:10
312KB
1
包含线性信号检测算法MRC,ZF,MMSE和非线性信号检测算法ZF-SIC和MMSE-SIC,亲测可用
2021-04-20 21:59:55
10KB
1
验证发射分集和接收分集性能
1. 理论分析上述两种分集技术的特性和实现原理
2. 基于Matlab仿真两种方案的BER性能曲线（BPSK调制）
2 × 1的Alamouti空时码
1 × 2的MRC接收分集
3. 在上述BER曲线结果中加入2 × 2 Alamouti空时码性能曲线，并对各曲线进行对比分析。
2019-12-24 03:02:18
58KB
1
瑞利衰落信道下，采用MRC分集误码性能matlab程序，调制方式可以采用BPSK,QPSK,8PSK,16QAM
2019-12-21 21:31:19
14KB
1