Resumen

El reconocimiento automático de la modulación ha utilizado con éxito varios métodos de aprendizaje automático y ha logrado ciertos resultados. Como subárea del aprendizaje automático, el aprendizaje profundo ha hecho grandes progresos en los últimos años y ha avanzado notablemente en el campo del procesamiento de imágenes y del lenguaje. El aprendizaje profundo requiere una gran cantidad de datos de apoyo. Al tratarse de un campo de comunicación con una gran cantidad de datos, la aplicación del aprendizaje profundo tiene una ventaja inherente. Sin embargo, la aplicación extensiva del aprendizaje profundo en el campo de la comunicación aún no se ha desarrollado completamente, especialmente en la comunicación acústica submarina. En este artículo, analizamos principalmente el proceso de reconocimiento de la modulación, que es una parte importante del proceso de comunicación, utilizando el método de aprendizaje profundo. A diferencia de los métodos de aprendizaje automático comunes que requieren la extracción de características, el método de aprendizaje profundo no requiere la extracción de características y obtiene más efectos que el aprendizaje automático común.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:aprendizaje profundo, métodos de aprendizaje profundo, métodos de aprendizaje de máquina, cantidad de datos, extracción de características, gran cantidad, hizo un progreso notable, hizo un gran progreso, subárea de máquina, reconocimiento de modulación automática
• Keywords:deep learning, deep learning methods, machine learning methods, amount of data, features extraction, large amount, made remarkable progress, made great progress, subarea of machine, automatic modulation recognition