期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于1-D CNN的二阶段OFDM系统定时同步方法
被引量：
1
1
作者
卿朝进
杨娜
+1 位作者
唐书海
饶川贵
《计算机应用研究》
CSCD
北大核心
2023年第2期565-570,共6页
针对存在多径干扰的正交频分复用系统的定时同步准确性低的问题,提出基于一维卷积神经网络(1-D CNN)的二阶段OFDM系统定时同步方法。在第一阶段,利用经典互相关方法实现路径特征初始抽取,捕获可分辨路径上的定时辅助同步点;基于定时辅...
针对存在多径干扰的正交频分复用系统的定时同步准确性低的问题,提出基于一维卷积神经网络(1-D CNN)的二阶段OFDM系统定时同步方法。在第一阶段,利用经典互相关方法实现路径特征初始抽取,捕获可分辨路径上的定时辅助同步点;基于定时辅助同步点构建1-D CNN网络学习第二阶段中的定时偏移;最后,结合两阶段处理,获得系统最终的定时同步偏移估计。相比于基于压缩感知的定时同步方法和基于极限学习机的定时同步方法,所研究的二阶段OFDM系统定时同步方法提高了定时同步准确性,并有效地降低计算复杂度与处理延迟。
展开更多
关键词
二阶段定时同步
一维卷积神经网络
正交频分复用
在线阅读
下载PDF
职称材料
基于一维卷积神经网络与自编码算法的松属物种鉴别机制
2
作者
陈冬英
翁伟雄
+1 位作者
陈培亮
魏建崇
《生态学报》
北大核心
2025年第5期2401-2411,共11页
松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并...
松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并结合一维连续型卷积神经网络(1D⁃CS⁃CNN)与自编码技术的松属物种检测机制。使用更高效率的连续型结构替代传统1D⁃CNN模型中隐含层结构,并针对松属NIRS数据适应性改进为1D⁃CS⁃CNN模型,使其可直接应用于一维NIRS数据。结合自编码器的重构误差设计一种考虑未知类别的松属物种鉴别方法,通过待测样本的自编码重构误差来解决卷积神经网络置信度过高的问题,将修正的置信度与预先设定的阈值进行比较,判断该样本是否为未知品种。实验结果表明,1D⁃CS⁃CNN训练集与测试集准确率均达到近100%,损失值收敛为0.015,改进后的1D⁃CS⁃CNN模型识别速度更快;同时,自编码模型对未知类别松属检测机制识别率为99%。实验结果证明,该模型可快速高效分类出不同松属物种,同时检测出松属新物种。
展开更多
关键词
松属物种
近红外光谱(NIRS)
自编码器
一维连续卷积神经网络(1
d
⁃cs
⁃cnn
)
鉴别
在线阅读
下载PDF
职称材料
题名
基于1-D CNN的二阶段OFDM系统定时同步方法
被引量：
1
1
作者
卿朝进
杨娜
唐书海
饶川贵
机构
西华大学电气与电子信息学院
出处
《计算机应用研究》
CSCD
北大核心
2023年第2期565-570,共6页
基金
四川省科技计划资助项目(2021JDRC0003)
四川省产业发展专项资金资助项目(ZYF-2018-056)
+1 种基金
四川省科技计划项目重大科技专项基金资助项目(19ZDZX0016/2019YFG0395)
2020年成都市第二批重大科技应用示范项目(2020-YF09-00048-SN)。
文摘
针对存在多径干扰的正交频分复用系统的定时同步准确性低的问题,提出基于一维卷积神经网络(1-D CNN)的二阶段OFDM系统定时同步方法。在第一阶段,利用经典互相关方法实现路径特征初始抽取,捕获可分辨路径上的定时辅助同步点;基于定时辅助同步点构建1-D CNN网络学习第二阶段中的定时偏移;最后,结合两阶段处理,获得系统最终的定时同步偏移估计。相比于基于压缩感知的定时同步方法和基于极限学习机的定时同步方法,所研究的二阶段OFDM系统定时同步方法提高了定时同步准确性,并有效地降低计算复杂度与处理延迟。
关键词
二阶段定时同步
一维卷积神经网络
正交频分复用
Keywords
two stage timing synchronization
one-
dimensional
convolutional
neural
network
(1-
d
cnn
)
orthogonal frequency
d
ivision multiplexing
分类号
TN914 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于一维卷积神经网络与自编码算法的松属物种鉴别机制
2
作者
陈冬英
翁伟雄
陈培亮
魏建崇
机构
福建江夏学院电子信息科学学院
数字福建智能家居信息采集及处理物联网实验室
出处
《生态学报》
北大核心
2025年第5期2401-2411,共11页
基金
福建省自然科学基金项目(2023J011094)
福建省高校产学合作项目(2021H6003)
全国大学生创新创业国家级项目(202413763002)。
文摘
松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并结合一维连续型卷积神经网络(1D⁃CS⁃CNN)与自编码技术的松属物种检测机制。使用更高效率的连续型结构替代传统1D⁃CNN模型中隐含层结构,并针对松属NIRS数据适应性改进为1D⁃CS⁃CNN模型,使其可直接应用于一维NIRS数据。结合自编码器的重构误差设计一种考虑未知类别的松属物种鉴别方法,通过待测样本的自编码重构误差来解决卷积神经网络置信度过高的问题,将修正的置信度与预先设定的阈值进行比较,判断该样本是否为未知品种。实验结果表明,1D⁃CS⁃CNN训练集与测试集准确率均达到近100%,损失值收敛为0.015,改进后的1D⁃CS⁃CNN模型识别速度更快;同时,自编码模型对未知类别松属检测机制识别率为99%。实验结果证明,该模型可快速高效分类出不同松属物种,同时检测出松属新物种。
关键词
松属物种
近红外光谱(NIRS)
自编码器
一维连续卷积神经网络(1
d
⁃cs
⁃cnn
)
鉴别
Keywords
Pinus species
near⁃infrare
d
spectral
d
ata(NIRS)
auto⁃enco
d
er
one⁃dimensional
continuous
convolutional
neural
network
(1
d
⁃cs
⁃cnn
)
i
d
entification
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
Q943 [生物学—植物学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于1-D CNN的二阶段OFDM系统定时同步方法
卿朝进
杨娜
唐书海
饶川贵
《计算机应用研究》
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
基于一维卷积神经网络与自编码算法的松属物种鉴别机制
陈冬英
翁伟雄
陈培亮
魏建崇
《生态学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
