Abstract: D. Seo, J. Ahn, H. Nam (2020)

Recently, convolutional neural networks (CNNs) achieved remarkable success in various fields, especially computer vision and image processing. However, it is not known what type of CNN architecture is the best fit for the detection or classification of communication signals. In this work, we compare the three of CNN architecture in a burst signal detection task. The three CNN architectures are compared to their detection performance and computational complexity. The 9-layer CNN is shown to achieve a similar performance of 12-layer CNN on overall environments. The performance of the 7-layer CNN model is worse than that of the other two types of CNN architectures, except in terms of the computational complexity at low SNR.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Comparison of CNN Architectures using RP Algorithm for Burst Signal Detection