Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
 Görüntüleme 9
Deep Learning CNN-Based Hybrid Extreme Learning Machine with Bagging Classifier for Automatic Modulation Classification
2022
Dergi:  
International Journal of Intelligent Systems and Applications in Engineering
Yazar:  
Özet:

Abstract Automatic modulation classification (AMC) becomes the important process in the various communication systems including commercial, telecommunication and military applications. Further, the accuracy of AMC impacts the performance of these applications. Various machine learning approaches were developed to improve the performance of AMC. However, they failed to classify the different modulation schemes, which needs to satisfy all the spectrum requirements under multipath fading environment. Further, the conventional methods are suffering with computational complexity in training to satisfy the real-time operational requirements.So, this article focuses on implementation of extreme learning machine (ELM) for reduction of training complexities and improves the classification performance. Initially, deep leaning convolutional neural network (DLCNN) model is introduced for extracting the inter dependent modulation features based on different modulation types. Further, the hybrid ELM with bagging (HELM-B) classifier is used to classify the various modulation types, i.e., families. The simulation results shows that the performance of proposed AMC system is superior to the conventional AMC systems with an accuracy of 99.15%, and F1-score of 98.73%, respectively.

Anahtar Kelimeler:

Atıf Yapanlar
Bilgi: Bu yayına herhangi bir atıf yapılmamıştır.
Benzer Makaleler








International Journal of Intelligent Systems and Applications in Engineering

Alan :   Mühendislik

Dergi Türü :   Uluslararası

Metrikler
Makale : 1.632
Atıf : 486
2023 Impact/Etki : 0.054
International Journal of Intelligent Systems and Applications in Engineering