deep convolutional neural network
PulseAugur coverage of deep convolutional neural network — every cluster mentioning deep convolutional neural network across labs, papers, and developer communities, ranked by signal.
-
深度学习通过新颖的合并器设计提升功率放大器效率
研究人员开发了一种新颖的深度学习方法，用于设计包含像素化输出合并器网络的Doherty功率放大器（PAs）。该方法利用深度卷积神经网络（CNN）作为电磁代理模型，快速预测这些复杂合并器的性能。通过将此CNN集成到黑盒框架中并采用遗传算法，研究团队成功合成了在更宽功率范围内提高效率的Doherty合并器。原型机展示了令人印象深刻的效率和输出功率，在9 dB回退水平下保持超过52%的漏极效率，并在使用类似5G NR的波形进行测试时，在具有…
-
AI模型利用WiFi信号进行隐私保护的人类活动识别
研究人员开发了使用WiFi信号进行人类活动识别的新深度学习框架，提供了比基于摄像头的系统更具隐私保护性的替代方案。一种名为WISE-HAR的方法利用了五个CNN架构的集成和积极的数据增强，在识别行走和挥手等活动方面达到了94.87%的准确率。另一种方法采用了一种轻量级的Temporal Convolutional Network (TCN)，并结合了物理引导的注意力机制，以有效地从WiFi CSI数据中捕获运动动力学，在降低计算成本的…
-
膨胀卷积神经网络提供低复杂度周期信号处理
研究人员开发了一种新的、计算效率高的方法，称为 R-DCNN，用于处理周期信号，适用于资源受限的环境。该方法利用膨胀卷积神经网络 (DCNN) 和重采样，以低复杂度实现去噪和准确的波形估计。R-DCNN 方法可以使用单个观测进行训练，从而泛化到具有不同基频的信号，并取得与现有最先进技术相当的性能。