ترجمه مقاله طبقه بندی مدولاسیون خودکار قوی و سریع با CNN تحت کانال های محو چند مسیره
سایت خانه پروژه یکی از بزرگترین سایتهای فروش فایل و پروژه در کشور است که با قرار دادن هزاران پروژه در حوزه ها و رشته های مختلف به مرجعی برای دانشجویان و شرکت های تجاری برای دریافت پروژه های آماده تبدیل شده است.در زیر پروژه ای آماده با موضوع“ترجمه مقاله طبقه بندی مدولاسیون خودکار قوی و سریع با CNN تحت کانال های محو چند مسیره“برای شما عزیزان قرار داده شده که توضیحات آن را در ادامه میتوانید مشاهده نمایید.
ترجمه:
صنعت و هنر ترجمه یا برگردان کار درک و تفسیر موضوعات، معانی، و مفاهیم پدید آمده در یک زبان (زبان مبدأ)، و سپس انتقال، معادل یابی و بازسازی آنها در زبانی دیگر (زبان مقصد) را بر عهده می گیرد. مترجمان کم تجربه در این فنّ ظریف، ممکن است براین باور باشند که در زبان و ترجمه، درست همانند علمی دقیق، می توان هر واژه و مفهومی را هم به طور دقیق تعریف و درک کرد، و هم آنها را به شیوه ای شفاف با پیوندهای متقابل و کاملاً ثابت، از دو حوزهٔ زبانی متفاوت به هم اتصال داد. هر چند چنین برخوردی ممکن است در مورد زبان های برنامه نویسی رایانه ای و زبان های ماشینی دیگر (همچون هوش مصنوعی) تا اندازه ای میسّر باشد، در خصوص زبان های طبیعی انسانی دور از واقعیّت و امکان است. بیشتر این پیچیدگی ها به طبیعت و نقش بی همانند زبان در تمامی تجربه ها و فرایندهای حیات انسانی چه در سطوح فردی و شخصیتی، و چه در ترازهای اجتماعی و فرهنگی بازمی گردد. واژهٔ «ترجمه» در پهلوی به صورت «ترگمان» به معنی مترجم به کار رفته است و در نوشته های آشوری به صورت «ترگومانو» دیده شده است. همچنین، در پارسی سره (فارسی خالص)، گاه از واژه های «پچواک» و «برگردان» به جای «ترجمه» استفاده می کنند.
توضیحات پروژه :
عنوان : ترجمه مقاله طبقه بندی مدولاسیون خودکار قوی و سریع با CNN تحت کانال های محو چند مسیره
این پروژه یک پروژه، ترجمه مقاله می باشد.
چکیده
طبقه بندی مدولاسیون خودکار (AMC) برای بیش از ربع قرن مطالعه شده است. با این حال، طراحی طبقهبندیکنندهای که تحت شرایط تغییر شرایط محو شدن چند مسیره و سایر اختلالات با موفقیت عمل کند، دشوار بوده است. اخیراً، روشهای مبتنی بر یادگیری عمیق (DL) توسط سیستمهای AMC اتخاذ شده و پیشرفتهای عمده گزارش شده است. در این مقاله، یک مدل طبقهبندیکننده شبکه عصبی کانولوشنال جدید (CNN) برای طبقهبندی کلاسهای مدولاسیون از نظر خانوادههایشان، یعنی انواع، پیشنهاد شدهاست. طبقهبندیکننده پیشنهادی در برابر آسیبهای واقعی کانال بیسیم قوی است و در رابطه با آن، وقتی مجموعه دادههایی که برای آزمایش و ارزیابی روشهای پیشنهادی استفاده میشوند در نظر گرفته میشوند، مشاهده میشود که Radio ML 2016.10a مجموعه داده اصلی مورد استفاده برای آزمایش و ارزیابی است. با این حال، اثرات کانال گنجانده شده در این مجموعه داده و برخی دیگر ممکن است فاقد مدلسازی مناسب شرایط دنیای واقعی باشند، زیرا تنها دو توزیع را برای مدلهای کانال برای پیکربندی یک ضربه در نظر میگیرد.
بنابراین، در این مقاله، مجموعه داده جامع تری به نام HisarMod2019.1 نیز با در نظر گرفتن قابلیت کاربرد در زندگی واقعی معرفی شده است. HisarMod2019.1 شامل 26 کلاس مدولاسیونی است که از کانال ها با 5 نوع محو شدن مختلف و چندین ضربه برای طبقه بندی عبور می کنند. نشان داده شده است که مدل پیشنهادی از نظر دقت و زمان آموزش در شرایط واقعی تر، بهتر از مدل های موجود عمل می کند. حتی بیشتر، زمانی که از مجموعه داده RadioML2016.10a استفاده می شود، از عملکرد آنها پیشی گرفت.
کلمات کلیدی: طبقه بندی مدولاسیون خودکار، شبکه عصبی کانولوشن، یادگیری عمیق
Robust_and_fast_automatic_modulation_classification_with_CNN_under
نحوه خرید و دانلود فایلهای پروژه :
جهت دانلود فایل های این پروژه ابتدا آن را از طریق لینک خرید به سبد خرید خود اضافه کنید و بعداز آن به سبد خرید رفته و مراحل پرداخت هزینه را تکمیل نمایید.
به محض واریز هزینه پروژه“ترجمه طبقه بندی مدولاسیون خودکار قوی و سریع با CNN تحت کانال های محو چند مسیره”لینک دانلود پروژه به شما نمایش داده می شود.
فایل های پروژه بصورت 100% تست شده و تمامی فایلها سالم می باشند.
سفارش پروژه مشابه :
اگر این پروژه نیازهای شما را برطرف نمی کنید میتوانید به صفحه سفارش ترجمه تخصصی مراجعه نموده و از طریق راه های گفته شده توضیحات پروژه خود را برای ما ارسال نمایید.
مشاهده و خرید پروژه های مشابه :
در سایت خانه پروژه می توانید پروژه های مشابه زیادی را مشاهده و درصورتی که با نیازتان همخوانی داشت آن را خریداری و دانلود نمایید.جهت مشاهده این پروژه ها به صفحه ترجمه های آماده مراجعه نمایید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.