Neural Networks have been proved to work as decoders in telecommunications, so the ways of making it efficient will be investigated in this thesis. The different parameters to maximize the Neural Network Decoder's efficiency will be investigated. The parameters will be tested for inversion errors only.
翻译：神经网络已被证明在电信中作为解码器发挥作用,因此,如何提高其效率将在本论文中调查。将调查最大限度地提高神经网络解码器效率的不同参数。参数将仅测试反向错误。
相关内容
神经网络（Neural Networks）是世界上三个最古老的神经建模学会的档案期刊:国际神经网络学会(INNS)、欧洲神经网络学会(ENNS)和日本神经网络学会(JNNS)。神经网络提供了一个论坛，以发展和培育一个国际社会的学者和实践者感兴趣的所有方面的神经网络和相关方法的计算智能。神经网络欢迎高质量论文的提交，有助于全面的神经网络研究，从行为和大脑建模，学习算法，通过数学和计算分析，系统的工程和技术应用，大量使用神经网络的概念和技术。这一独特而广泛的范围促进了生物和技术研究之间的思想交流，并有助于促进对生物启发的计算智能感兴趣的跨学科社区的发展。因此，神经网络编委会代表的专家领域包括心理学，神经生物学，计算机科学，工程，数学，物理。该杂志发表文章、信件和评论以及给编辑的信件、社论、时事、软件调查和专利信息。文章发表在五个部分之一:认知科学，神经科学，学习系统，数学和计算分析、工程和应用。
官网地址：http://dblp.uni-trier.de/db/journals/nn/
专知会员服务
72+阅读 · 2022年3月15日
Arxiv
0+阅读 · 2022年6月13日
相关主题
相关VIP内容
专知会员服务
72+阅读 · 2022年3月15日
相关资讯
微信扫码咨询专知VIP会员