文献检索-宁波市创意产业特色资源库

限定检索结果

基于生成对抗网络的数据增强方法及应用: 收藏
分享
引用; 《太赫兹科学与电子信息学报》2022年第12期20卷 1249-1256页; 作者：周华吉焦李成徐杰沈伟国王巍楼财义西安电子科技大学人工智能学院陕西西安710071 通信信息控制和安全技术重点实验室浙江嘉兴314033; 对于小样本电磁信号识别,数据增强是一种最为直观的对策。利用生成对抗网络(GAN)产生虚假信号样本,设计粗粒度和细粒度筛选机制对生成信号进行筛选,剔除质量较差的生成信号,实现训练样本集的有效扩充。为验证所提数据增强算法的有效性,...; 对于小样本电磁信号识别,数据增强是一种最为直观的对策。利用生成对抗网络(GAN)产生虚假信号样本,设计粗粒度和细粒度筛选机制对生成信号进行筛选,剔除质量较差的生成信号,实现训练样本集的有效扩充。为验证所提数据增强算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,本文所提方法对小样本电磁信号识别准确率有较好的提升效果。; 来源：详细信息评论

限定检索结果