جدول پیوندها
چکیده و 1. مقدمه
2. مقدمات و 2.1. دکانولوشن کور
2.2. شبکه های عصبی درجه دوم
3. روش شناسی
3.1. فیلتر کانولوشن درجه دوم حوزه زمان
3.2. برتری استخراج ویژگی های چرخه ای توسط QCNN
3.3. فیلتر خطی دامنه فرکانس با تابع هدف طیف پوششی
3.4. بهینه سازی یکپارچه با طرح توزین آگاه از عدم قطعیت
4. آزمایشات محاسباتی
4.1. تنظیمات آزمایشی
4.2. مطالعه موردی 1: مجموعه داده PU
4.3. مطالعه موردی 2: مجموعه داده JNU
4.4. مطالعه موردی 3: مجموعه داده HIT
5. آزمایشات محاسباتی
5.1. مقایسه روش های BD
5.2. نتایج طبقه بندی در شرایط مختلف نویز
5.3. استفاده از ClassBD برای طبقه بندی کننده های یادگیری عمیق
5.4. استفاده از ClassBD برای طبقهبندیکنندههای یادگیری ماشین
5.5. قابلیت استخراج ویژگی شبکه های درجه دوم و معمولی
5.6. مقایسه فیلترهای ClassBD
6. نتیجه گیری
پیوست و مراجع
5.6. مقایسه فیلترهای ClassBD
با توجه به اینکه ClassBD از دو فیلتر تشکیل شده است، ما سهم مربوطه آنها را در این آزمایش بررسی می کنیم. در اینجا ما چهار ترکیب را آزمایش می کنیم: یک فیلتر دامنه زمانی مستقل (فیلتر T)، یک فیلتر دامنه فرکانس مستقل (F-فیلتر)، یک فیلتر F به دنبال یک فیلتر T، و طرح پیشنهادی ما (یک فیلتر T به دنبال آن یک فیلتر F).
نتایج در …