目前深度學(xué)習(xí)在通信系統(tǒng)的上層中得到了廣泛應(yīng)用,隨著技術(shù)不斷發(fā)展,深度學(xué)習(xí)正在向通信系統(tǒng)的底層推進(jìn)。為解決傳統(tǒng)算法計(jì)算效率低、復(fù)雜度高等問題,深度學(xué)習(xí)已經(jīng)被應(yīng)用到無線通信物理層關(guān)鍵技術(shù)中。對(duì)深度學(xué)習(xí)在無線通信物理層關(guān)鍵技術(shù)中的應(yīng)用進(jìn)行了綜述性討論,包括深度學(xué)習(xí)定義、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)介紹、基于深度學(xué)習(xí)的無線物理層關(guān)鍵技術(shù)等。分析表明,深度學(xué)習(xí)與無線通信系統(tǒng)之間存在結(jié)合點(diǎn),在傳統(tǒng)的通信模塊或算法中加入用深度學(xué)習(xí)訓(xùn)練的可學(xué)習(xí)的參數(shù)是當(dāng)前比較具有競爭力的一種設(shè)計(jì)方案,有必要對(duì)此進(jìn)行深入研究。 

【文章來源】：重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,32(04)北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引 言
1 深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)
    1.1 深度神經(jīng)網(wǎng)絡(luò)介紹
    1.2 卷積神經(jīng)網(wǎng)絡(luò)介紹
    1.3 循環(huán)神經(jīng)網(wǎng)絡(luò)介紹
2 深度學(xué)習(xí)在物理層關(guān)鍵技術(shù)中的應(yīng)用
    2.1 DNN在物理層關(guān)鍵技術(shù)中的應(yīng)用
    2.2 CNN在物理層關(guān)鍵技術(shù)中的應(yīng)用
    2.3 RNN在物理層關(guān)鍵技術(shù)中的應(yīng)用
3 討論與總結(jié)
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于人工智能的無線傳輸技術(shù)最新研究進(jìn)展[J]. 張靜,金石,溫朝凱,高飛飛,江濤.  電信科學(xué). 2018(08)
[2]Deep Learning for Wireless Physical Layer: Opportunities and Challenges[J]. Tianqi Wang,Chao-Kai Wen,Hanqing Wang,Feifei Gao,Tao Jiang,Shi Jin.  中國通信. 2017(11)



本文編號(hào)：2965287