Název: Evaluation Of Cnn And Cldnn Architectures On Radio Modulation Datasets
Autoři: Pijáčková, Kristýna
Typ dokumentu: Příspěvky z konference
Jazyk: cze
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: This paper presents an evaluation of deep learning architectures designed for modulationrecognition. The evaluation inspects, whether the architectures behave in the same way as they didon the dataset they were designed on. The architectures are trained and tested on two different radiomodulation datasets. This results in proposing additional binary classification as a method to reducemisclassification of QAM modulation types in one of the datasets.
Klíčová slova: classification; CLDNN; CNN; deep learning; neural network; Radio modulation
Zdrojový dokument: Proceedings I of the 27st Conference STUDENT EEICT 2021: General papers, ISBN 978-80-214-5942-7

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/200673

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-447718


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference