期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
接收域分离的跨接收系统通用性辐射源指纹识别
1
作者
孙丽婷
柳征
黄知涛
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第10期3966-3978,共13页
受辐射源硬件失真和接收机硬件失真的耦合作用,实际接收信号中带有当前辐射源系统和接收系统共同的“个体信息”,导致辐射源指纹识别技术(RFF)在跨接收系统场景下无法通用。为消除接收机染色效应,该文将接收机影响作为单独作用域,提出...
受辐射源硬件失真和接收机硬件失真的耦合作用,实际接收信号中带有当前辐射源系统和接收系统共同的“个体信息”,导致辐射源指纹识别技术(RFF)在跨接收系统场景下无法通用。为消除接收机染色效应,该文将接收机影响作为单独作用域,提出一种基于接收域分离的跨接收系统通用性辐射源指纹识别方法。该方法通过双标签多通道特征联合和域分离对抗重构方式实现信号中辐射源指纹作用域与接收机染色作用域分离,利用多部接收机数据预先训练网络对两种作用域的分离能力,聚焦辐射源指纹信息提取,从而提升辐射源指纹识别技术在跨平台跨接收系统、更新接收设备等场景下的适应能力。相比于直接特征提取和多接收机打包训练方式,所提方法能够真正适应实际无监督场景,且参与训练的源域接收机数目越多,域适应效果越好,不需要重复训练即可直接推广应用于新接收系统,具有较高的实际应用价值。
展开更多
关键词
辐射源指纹识别
特定辐射源识别
域分离网络
对抗训练
无监督域适应
下载PDF
职称材料
基于改进领域分离网络的迁移学习模型
2
作者
金泽熙
李磊
刘继
《计算机应用》
CSCD
北大核心
2023年第8期2382-2389,共8页
为进一步提高迁移学习的特征识别和提取效率、减少负迁移并增强模型的学习性能,提出了一种基于改进领域分离网络(DSN)的迁移学习模型AMCN-DSN(Attention Mechanism Capsule Network-DSN)。首先,使用融合多头注意力机制的胶囊网络(MHAC)...
为进一步提高迁移学习的特征识别和提取效率、减少负迁移并增强模型的学习性能,提出了一种基于改进领域分离网络(DSN)的迁移学习模型AMCN-DSN(Attention Mechanism Capsule Network-DSN)。首先,使用融合多头注意力机制的胶囊网络(MHAC)完成源域和目标域特征信息的提取与重构,基于注意力机制有效筛选特征信息,并利用胶囊网络提高深层信息的提取质量;其次,引入动态对抗因子优化重构损失函数,使重构器可动态衡量源域与目标域信息的相对重要性,从而增强迁移学习的鲁棒性和提升收敛速度;最后,在分类器中融入多头自注意力机制,以强化对公有特征的语义理解并提高分类性能。在情感分析实验中,相较于其他迁移学习模型,所提模型能够将学习到的知识迁移到数据量少但相似性高的任务中,分类性能的下降幅度最小,迁移表现较好;在意图识别实验中,相较于分类性能次优的胶囊网络改进领域对抗神经网络(DANN+CapsNet)模型,所提模型的精确度、召回率和F1值分别提升了4.5%、4.3%和4.4%,表明所提模型在处理小数据问题和个性化问题上具有一定优势。与DSN相比,AMCNDSN在上述两类实验目标域上的F1值分别提高了6.0%和12.4%,进一步验证了改进模型的有效性。
展开更多
关键词
迁移学习
领域分离网络
胶囊网络
注意力机制
自然语言处理
下载PDF
职称材料
题名
接收域分离的跨接收系统通用性辐射源指纹识别
1
作者
孙丽婷
柳征
黄知涛
机构
国防科技大学电子科学学院
出处
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第10期3966-3978,共13页
基金
国家自然科学基金(62301575)
国防科技大学青年自主创新科学基金(ZK2023-19)。
文摘
受辐射源硬件失真和接收机硬件失真的耦合作用,实际接收信号中带有当前辐射源系统和接收系统共同的“个体信息”,导致辐射源指纹识别技术(RFF)在跨接收系统场景下无法通用。为消除接收机染色效应,该文将接收机影响作为单独作用域,提出一种基于接收域分离的跨接收系统通用性辐射源指纹识别方法。该方法通过双标签多通道特征联合和域分离对抗重构方式实现信号中辐射源指纹作用域与接收机染色作用域分离,利用多部接收机数据预先训练网络对两种作用域的分离能力,聚焦辐射源指纹信息提取,从而提升辐射源指纹识别技术在跨平台跨接收系统、更新接收设备等场景下的适应能力。相比于直接特征提取和多接收机打包训练方式,所提方法能够真正适应实际无监督场景,且参与训练的源域接收机数目越多,域适应效果越好,不需要重复训练即可直接推广应用于新接收系统,具有较高的实际应用价值。
关键词
辐射源指纹识别
特定辐射源识别
域分离网络
对抗训练
无监督域适应
Keywords
Radio
Frequency
Fingerprinting(RFF)
Specific
Emitter
Identification(SEI)
domain
separation
networks
(
dsn
)
Adversarial
training
Unsupervised
domain
adaptation
分类号
TN97 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
基于改进领域分离网络的迁移学习模型
2
作者
金泽熙
李磊
刘继
机构
新疆财经大学统计与数据科学学院
新疆社会经济统计与大数据应用研究中心(新疆财经大学)
出处
《计算机应用》
CSCD
北大核心
2023年第8期2382-2389,共8页
基金
国家自然科学基金资助项目(71762028,72164034)。
文摘
为进一步提高迁移学习的特征识别和提取效率、减少负迁移并增强模型的学习性能,提出了一种基于改进领域分离网络(DSN)的迁移学习模型AMCN-DSN(Attention Mechanism Capsule Network-DSN)。首先,使用融合多头注意力机制的胶囊网络(MHAC)完成源域和目标域特征信息的提取与重构,基于注意力机制有效筛选特征信息,并利用胶囊网络提高深层信息的提取质量;其次,引入动态对抗因子优化重构损失函数,使重构器可动态衡量源域与目标域信息的相对重要性,从而增强迁移学习的鲁棒性和提升收敛速度;最后,在分类器中融入多头自注意力机制,以强化对公有特征的语义理解并提高分类性能。在情感分析实验中,相较于其他迁移学习模型,所提模型能够将学习到的知识迁移到数据量少但相似性高的任务中,分类性能的下降幅度最小,迁移表现较好;在意图识别实验中,相较于分类性能次优的胶囊网络改进领域对抗神经网络(DANN+CapsNet)模型,所提模型的精确度、召回率和F1值分别提升了4.5%、4.3%和4.4%,表明所提模型在处理小数据问题和个性化问题上具有一定优势。与DSN相比,AMCNDSN在上述两类实验目标域上的F1值分别提高了6.0%和12.4%,进一步验证了改进模型的有效性。
关键词
迁移学习
领域分离网络
胶囊网络
注意力机制
自然语言处理
Keywords
transfer
learning
domain
separation
network
(
dsn
)
capsule
network
attention
mechanism
Natural
Language
Processing(NLP)
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
接收域分离的跨接收系统通用性辐射源指纹识别
孙丽婷
柳征
黄知涛
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于改进领域分离网络的迁移学习模型
金泽熙
李磊
刘继
《计算机应用》
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
