典型文献
基于鲁棒损失函数的标签有噪信号调制方式识别
文献摘要：
针对现实信号调制方式标注易发生错误,即训练数据集中信号调制方式标签存在噪声情形,我们选取l1模损失函数及其推广形式作为对标签噪声具有鲁棒性的损失函数,结合深度卷积神经网络优良的自动特征提取能力,提出一种针对信号调制方式存在误判噪声的深度学习算法.该算法在训练数据集合标签噪声率达50％情形下,对信号调制方式的识别准确率依然保持较高水平.相反,对于采用通常的交叉熵作为损失函数的深度卷积神经网络,其已无法对信号调制方式进行分类识别.在公开的数据集上的数值实验表明,所提算法对于标签有噪信号调制方式识别具有较强的鲁棒性.
文献关键词：
l1模损失函数;q损失函数;信号调制;有噪标签;信号识别
中图分类号：
作者姓名：
王晓波;尹俊平;徐岩
作者机构：
北京应用物理与计算数学研究所, 北京 100094;北京科技大学信息与计算科学系, 北京 100083
文献出处：
引用格式：
[1]王晓波;尹俊平;徐岩-.基于鲁棒损失函数的标签有噪信号调制方式识别)[J].计算物理,2022(04):386-394
A类：
有噪标签
B类：
损失函数,签有,信号调制,调制方式识别,发生错误,训练数据集,中信,声情,l1,标签噪声,深度卷积神经网络,自动特征提取,特征提取能力,误判,深度学习算法,数据集合,识别准确率,交叉熵,分类识别,数值实验,别具,信号识别
AB值：
0.268904
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
