文章-世纪中文出版社

为了补偿功放的非线性失真和记忆效应,本文基于一种基于深度学习的Transformer模型用于射频功放非线性建模的数字预失真算法。该模型具有长时序依赖捕获和交互能力，可以很好地表征功放的强非线性失真和记忆效应。为了验证该模型的建模性能和线性化效果，对比了当下流行的数字预失真器模型，实验结果表明，相比于FFNN模型和LSTM模型，建模精度提高了～2.1dB,同时模型参数量减少了～21%。

基于神经网络智能翻译模型研究下载：158 浏览：2110

林苡若陈逍《神经科学研究》 2023年2期

摘要:

随着人工智能在自然语言处理上的不断进步，本文简要介绍了翻译的发展,结合神经网络智能翻译模型,对机器翻译系统模型进行了说明，并引入了神经网络技术优化模型运行的稳定性。传统的机器翻译模型性能受限于双语平行语料库的规模，提出了一种联合EM算法的自动语料扩充方法，利用EM算法对Transformer模型进行优化，降低了训练代价，并且提高了翻译的准确性。

[1/1]

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com