FuseAMC模型提出：CPU高效决策融合调制分类

1. 13:00
   arXiv · AI

   FuseAMC：基于 CPU 的高效决策融合自动调制分类模型

   提出 FuseAMC 模型，通过融合残差 CNN 与累积量分类器的后验概率，在 RadioML 2016.10a 测试集上达到 55.8% 总体准确率。 该模型参数量约 0.2M，每帧计算量仅 3 MFLOPs，支持在单个 CPU 核心上完成训练与推理，无需硬件加速。 解决了低 SNR 下 CNN 鲁棒性与高 SNR 下累积量分类精度互补的融合难题，提升了弱 CPU 环境下的部署效率。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。