اکسپرس 24
ترجمه فارسی مقاله MDM: پیشبرد تطبیق توزیع چند دامنه‌ای برای سنتز خودکار مجموعه داده‌های تشخیص مدولاسیون

ترجمه فارسی مقاله MDM: پیشبرد تطبیق توزیع چند دامنه‌ای برای سنتز خودکار مجموعه داده‌های تشخیص مدولاسیون

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی MDM: Advancing Multi-Domain Distribution Matching for Automatic Modulation Recognition Dataset Synthesis
عنوان مقاله به فارسی MDM: پیشبرد تطبیق توزیع چند دامنه‌ای برای سنتز خودکار مجموعه داده‌های تشخیص مدولاسیون
نویسندگان Dongwei Xu, Jiajun Chen, Yao Lu, Tianhao Xia, Qi Xuan, Wei Wang, Yun Lin, Xiaoniu Yang
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 5 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 5 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 200,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Recently, deep learning technology has been successfully introduced into Automatic Modulation Recognition (AMR) tasks. However, the success of deep learning is all attributed to the training on large-scale datasets. Such a large amount of data brings huge pressure on storage, transmission and model training. In order to solve the problem of large amount of data, some researchers put forward the method of data distillation, which aims to compress large training data into smaller synthetic datasets to maintain its performance. While numerous data distillation techniques have been developed within the realm of image processing, the unique characteristics of signals set them apart. Signals exhibit distinct features across various domains, necessitating specialized approaches for their analysis and processing. To this end, a novel dataset distillation method--Multi-domain Distribution Matching (MDM) is proposed. MDM employs the Discrete Fourier Transform (DFT) to translate timedomain signals into the frequency domain, and then uses a model to compute distribution matching losses between the synthetic and real datasets, considering both the time and frequency domains. Ultimately, these two losses are integrated to update the synthetic dataset. We conduct extensive experiments on three AMR datasets. Experimental results show that, compared with baseline methods, our method achieves better performance under the same compression ratio. Furthermore, we conduct crossarchitecture generalization experiments on several models, and the experimental results show that our synthetic datasets can generalize well on other unseen models.

چکیده به فارسی (ترجمه ماشینی)

اخیراً ، فناوری یادگیری عمیق با موفقیت در وظایف تشخیص خودکار مدولاسیون (AMR) معرفی شده است.با این حال ، موفقیت یادگیری عمیق همه به آموزش مجموعه داده های در مقیاس بزرگ نسبت داده می شود.چنین مقدار زیادی از داده ها فشار زیادی به آموزش ذخیره ، انتقال و آموزش مدل وارد می کند.به منظور حل مشکل تعداد زیادی از داده ها ، برخی از محققان روش تقطیر داده ها را ارائه می دهند ، که هدف آن فشرده سازی داده های آموزش بزرگ به مجموعه داده های مصنوعی کوچکتر برای حفظ عملکرد آن است.در حالی که تکنیک های تقطیر داده های بی شماری در قلمرو پردازش تصویر ایجاد شده است ، ویژگی های منحصر به فرد سیگنال ها آنها را از هم جدا می کند.سیگنال ها ویژگی های متمایز را در حوزه های مختلف به نمایش می گذارند ، که نیاز به رویکردهای تخصصی برای تجزیه و تحلیل و پردازش آنها دارند.برای این منظور ، یک روش تقطیر مجموعه داده های جدید-تطبیق توزیع دامنه-دامنه (MDM) ارائه شده است.MDM از تبدیل گسسته فوریه (DFT) برای ترجمه سیگنال های Timedomain به دامنه فرکانس استفاده می کند ، و سپس از یک مدل برای محاسبه ضررهای تطبیق توزیع بین مجموعه داده های مصنوعی و واقعی استفاده می کند ، با توجه به هر دو دامنه زمان و فرکانس.در نهایت ، این دو ضرر برای به روزرسانی مجموعه داده مصنوعی یکپارچه شده اند.ما آزمایش های گسترده ای را در سه مجموعه داده AMR انجام می دهیم.نتایج تجربی نشان می دهد که ، در مقایسه با روش های پایه ، روش ما با همان نسبت فشرده سازی به عملکرد بهتر می رسد.علاوه بر این ، ما آزمایش های عمومی سازی Crossarchitecture را بر روی چندین مدل انجام می دهیم ، و نتایج تجربی نشان می دهد که مجموعه داده های مصنوعی ما می توانند در سایر مدل های غیب به خوبی تعمیم دهند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.