研究提出轻量级决策融合调制分类模型FuseAMC
热点事件持续更新
研究提出轻量级决策融合调制分类模型FuseAMC
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
论文作者提出轻量级决策融合模型 FuseAMC，用逻辑回归融合约 198k 参数的残差 CNN 与梯度提升树累积量分类器，用于自动调制分类。在 RadioML 2016.10a 数据集上，该模型总体准确率达 55.8%，比最优累积量基线高 5.1 个百分点，比单独 CNN 高 3.2 个百分点。 整个流程约 0.2 百万参数、每帧约 3 MFLOPs，可在单 CPU 核心上训练和运行，无需硬件加速。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
FuseAMC：面向自动调制分类的 CPU 高效决策融合模型报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIFuseAMC：面向自动调制分类的 CPU 高效决策融合模型
研究提出 FuseAMC，一种轻量级决策融合模型，用逻辑回归元组合器融合约 198k 参数残差 CNN 与梯度提升树累积量分类器。在 RadioML 2016.10a 上，FuseAMC 达到 55.8% 总体准确率，较最优累积量基线提升 5.1 个百分点、较单独 CNN 提升 3.2 个百分点。整个流程约 0.2 百万参数、每帧约 3 MFLOPs，可在单 CPU 核心上训练运行，无需硬件加速。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。