灵星之光-1:调制解调、卷积神经网络异曲同工
无线通信中的解调:以QAM调制为例,
QAM编码的个数,类似图像分类中的类别的个数。
调制的过程,类似“深度学习的过程”;不同的是,通信中的模型,不需要训练,特征是直接预先编码好了。
解调的过程,就是“分类的过程”,根据收到的各种变形的电磁波的波形,识别出是那种特征波形,并把特征波形映射成特定的分类信息。
卷积神经网络中的卷积核:
就是用代表某种特征的特征矩阵,去匹配图像的像素,来解调图像中是否有符合某种特征的像素组合。
卷积:本质上是相关性运算,与特性矩阵相同的数据,卷积和最大,与特征向异的数据,卷积和小。完全无关的数据,卷积和为0。即正交!
这两种技术场景,是否可以相互借鉴???
文档来源:51CTO技术博客https://blog.51cto.com/u_11299290/3195265
页:
[1]