论文部分内容阅读
地震勘探数据的噪声消减算法研究
【机 构】
：
吉林大学
【出 处】
：
吉林大学
【发表日期】
：
2021年01期
【基金项目】
：
其他文献
随着通信技术的高速发展,5G通信系统已经成为目前的主流技术,大规模MIMO、毫米波通信等技术成为其关键技术。由于硬件不可避免存在的非理想性,实际系统性能与理论分析结果存在一定的差距,IQ失衡是构成非理想特性的一个重要因素,得到了研究者的广泛关注。5G通信系统更大带宽毫米波信号的引入使得IQ失衡的参数呈现出频率选择性失衡特点。如何简便、高效地解决频率选择性IQ失衡是实现高质量无线通信链路的问题。本文
学位
近年来,机器学习被广泛运用于各个领域,如人脸识别、语音识别、自动驾驶汽车等。机器学习能够取得如此多的成就,离不开大规模的数据集和大规模的机器学习模型的支持。然而,单个机器的计算和存储资源是有限的,在单机上进行训练可能会需要很长的时间,有时单个机器甚至无法存储下整个训练数据集。于是人们开始研究分布式机器学习,即利用多台机器协作完成原本单机上的训练任务。随机梯度下降法是机器学习中一种常用的优化算法,对
学位
为应对互联网的快速发展,容纳大量新兴的应用程序,服务供应商不再依赖专有中间件,而是更多地采用网络功能虚拟化(NFV)技术,使用运行在通用平台上的虚拟网络功能(vNF)来实现网络应用,并通过虚拟网络功能服务链(vNF-SC)快速实现各种服务组合。但是,目前该领域的大多数研究忽略了底层网络元素之间的内在差异并假设所有vNF都在同一种平台上被实例化(例如虚拟机)。由于没有考虑到如今虚拟网络功能可以在多种
学位
光子在具有线性动量的同时,能够具有轨道角动量(orbital angular momentum,OAM)。由于不同拓扑荷数的OAM光之间存在正交性,OAM光通信成为了拓展通信系统容量的研究热点。OAM光在自由空间中传输时,容易受到大气湍流的干扰。深度学习是一种能够在OAM光束经过大气湍流扰动后,通过电荷耦合器件(charge coupled device,CCD)采集的OAM光强数据识别OAM拓扑
学位
互联网的高速发展为人们的生活带来了许多便利,但也导致了许多安全问题,其中,如何准确识别异常网络流量是网络安全研究的焦点之一。软件定义网络作为一种新型网络架构,它实现了转发控制分离,具有可编程性和高度的灵活性,为网络流量异常检测提供了新的方法和手段。机器学习方法是流量异常检测中一类重要方法,其优势在于它有标准的学习流程,有众多基于统计学数学证明的高效学习算法,有活跃的问答社区,有丰富的工具箱和可供参
学位