<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Automatic Modulation Recognition | Jorge Kamassury — Academic CV</title><link>https://kamassury.github.io/tags/automatic-modulation-recognition/</link><atom:link href="https://kamassury.github.io/tags/automatic-modulation-recognition/index.xml" rel="self" type="application/rss+xml"/><description>Automatic Modulation Recognition</description><generator>Hugo Blox Builder (https://hugoblox.com)</generator><language>pt-br</language><lastBuildDate>Sun, 01 Mar 2020 00:00:00 +0000</lastBuildDate><image><url>https://kamassury.github.io/media/icon_hu_982c5d63a71b2961.png</url><title>Automatic Modulation Recognition</title><link>https://kamassury.github.io/tags/automatic-modulation-recognition/</link></image><item><title>Rápido Reconhecimento de Modulações Analógicas e Digitais via Redes Residuais Profundas</title><link>https://kamassury.github.io/publications/conference-paper/fast-modulation-recognition/</link><pubDate>Sun, 01 Mar 2020 00:00:00 +0000</pubDate><guid>https://kamassury.github.io/publications/conference-paper/fast-modulation-recognition/</guid><description>&lt;p&gt;Estudo que aplica &lt;strong&gt;redes residuais profundas (ResNet)&lt;/strong&gt; para &lt;strong&gt;reconhecimento automático de modulações (AMR)&lt;/strong&gt; em sinais de comunicação analógicos e digitais. O trabalho foca no trade-off entre desempenho de reconhecimento e tempo de treinamento, problema crítico para aplicações em tempo real. Duas arquiteturas ResNet foram projetadas, obtendo &lt;strong&gt;desempenhos equivalentes às mais recentes arquiteturas da literatura com tempos de treinamento significativamente menores&lt;/strong&gt;. Este capítulo complementa a linha de classificação automática de modulações iniciada em
(SBrT, 2019).&lt;/p&gt;
&lt;blockquote class="border-l-4 border-neutral-300 dark:border-neutral-600 pl-4 italic text-neutral-600 dark:text-neutral-400 my-6"&gt;
&lt;p&gt;🏆 &lt;strong&gt;Honra ao Mérito — Melhor Trabalho Completo&lt;/strong&gt; no XIV Simpósio Brasileiro de Engenharia Física (2019).&lt;/p&gt;
&lt;/blockquote&gt;</description></item></channel></rss>