使用自编码器神经网络压缩5G系统的下行通道状态信息(CSI)。

训练深度q网络(DQN)增强学习代理，用于5G新型无线电通信系统中的波束选择。

ニューラルネットワークを使用し,通信チャネルの情報ではなく受信機の位置を使用して,ビーム選択タスクのオーバーヘッドを低減する。

使用离线训练的神经网络，应用数字预失真来抵消功率放大器中非线性的影响。

スペクトル監視のために,深層学習を使用してセマンティックセグメンテーションネットワークに学習させる。

自己符号化器を使用して無線チャネル経由で情報ビットを確実に送信するエンドツーエンドの通信システムをモデル化する。

この例では，畳み込みニュ，ラルネットワ，ク(cnn)を変調分類に使用する方法を説明します。チャネルで劣化した合成波形を生成します。生成された波形を学習デ，タとして使用して，変調分類用のCNNを学習させます。その後，ソフトウェア無線(sdr)ハ，ドウェアと無線信号を使用してCNNをテストします。

将一个预先训练好的卷积神经网络(CNN)部署到Xilinx上进行调制分类^®Zynq^®UltraScale+™MPSoC ZCU102评估试剂盒。

为IEEE训练卷积神经网络^®802.11az™定位和定位。

この例では,シミュレーションデータを使用して無線周波数(RF)指紋の畳み込みニューラルネットワーク(CNN)を設計する方法を示します。シミュレートした既知および未知のルーターからの無線ローカルエリアネットワーク(WLAN)ビーコンフレームを使用して,CNNに射频指紋を学習させます。その後,受信信号のメディアアクセス制御(MAC)アドレスをCNNで検出された射频指紋と比較することでWLANルーター偽装者を検出します。

この例では,取得データを使用して無線周波数(RF)指紋の畳み込みニューラルネットワーク(CNN)の学習を行う方法を示します。ソフトウェア無線(SDR)を使用して,実際のルーターから無線ローカルエリアネットワーク(WLAN)ビーコンフレームを取得します。SDRをもう1プログラムして未知のビコンフレムを送信し，それらを取得します。それらの取得した信号でCNNの学習を行います。その後,ルーター偽装者として既知のいずれかのルーターのメディアアクセス制御(MAC)アドレスでビーコン信号を送信するソフトウェア無線(SDR)をプログラムし,それをCNNを使用して偽装者として識別します。

この例では,厳密な対数尤度比(LLR)の推定用に信号とチャネル障害を生成してLLRNetというニューラルネットワークの学習を行う方法を示します。

使用5G Toolbox™生成用于信道估计的深度学习训练数据。