面向信號(hào)調(diào)制識(shí)別的神經(jīng)網(wǎng)絡(luò)模型輕量化方法

摘要： 為了提高智能化信號(hào)調(diào)制識(shí)別任務(wù)的實(shí)時(shí)性，本文對用于信號(hào)調(diào)制識(shí)別的深度學(xué)習(xí)模型進(jìn)行了輕量化研究．通道剪枝是減小模型復(fù)雜度的有效方法，但現(xiàn)有的方法受原始模型深度的限制，雖然剪枝后的計(jì)算量減少，但是加速效果并不明顯．針對上述問題，本文提出一種面向信號(hào)調(diào)制識(shí)別的神經(jīng)網(wǎng)絡(luò)模型輕量化方法，以卷積層作為最小剪枝單元，為每個(gè)卷積層生成代理分類器，根據(jù)代理分類器的分類精度評估卷積層的重要性，移除...