FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2022138972> ?p ?o ?g. }

• W2022138972 endingPage "42" @default.
• W2022138972 startingPage "37" @default.
• W2022138972 abstract "This letter considers the problem of blind equalization in digital communications by using linear neural network. Unlike most adaptive blind equalization methods which are based on matrix decomposition or the Hankel property of matrix, we give a stochastic approximate learning algorithm for the neural network according to the property of the correlation matrices of the transmitted symbols. The network outputs provide an estimation of the source symbols, while the weight matrix of network estimates the inverse of the channel matrix. Simulation results demonstrate the performance and validity of the proposed approach for blind equalization. Dieser Beitrag behandelt das problem der blinden Entzerrung in der digitalen Kommunikation mit Hilfe eines linearen neuronalen Netzes. Im Unterschied zu den meisten adaptiven blinden Entzerrungsmethoden, die auf Matrizenzerlegungen oder der Hankel eigenschaft von Matrizen basieren, stellen wir einen stochastischen approximativen Trainingsalgorithmus entsprechend der Eigenschaft der Kovarianzmatrizen der gesendeten Symbole für das neuronale Netz vor. Die Ausgangssignale des Netzes liefern eine Schätzung der Quellsymbole, während die Gewichtungsmatrix des Netzes die Inverse der Kanalmatrix schätzt. Simulationsergebnisse demonstrieren die Leistungsfähigkeit und Gültigkeit des vorgeschlagenen Ansatzes zur blinden Entzerrung. Cet article considère le problème de l'égalisation aveugle de communications numériques par réseaux de filtres linéaires. Contrairement à la plupart des méthodes d'égalisation aveugle adaptative, qui reposent sur la décomposition de matrices ou la propriété de Hankel des matrices, nous proposons un algorithme d'apprentissage par approximation stochastique pour le réseau de neurones selon la propriété des matrices de corrélation des symboles transmis. Les sorties du réseau fournissent une estimation des symboles de source, alors que la matrice des poids du réseau est une estimation de l'inverse de la matrice du canal. Des résultats de simulations démontrent les performances et la validité de l'approche proposée pour l'égalisation aveugle." @default.
• W2022138972 created "2016-06-24" @default.
• W2022138972 creator A5041619674 @default.
• W2022138972 creator A5050716572 @default.
• W2022138972 creator A5081926589 @default.
• W2022138972 date "1999-07-01" @default.
• W2022138972 modified "2023-09-26" @default.
• W2022138972 title "Linear neural network based blind equalization" @default.
• W2022138972 cites W2039640067 @default.
• W2022138972 cites W2041222266 @default.
• W2022138972 cites W2046791564 @default.
• W2022138972 cites W2055578925 @default.
• W2022138972 cites W2093139466 @default.
• W2022138972 cites W2103034511 @default.
• W2022138972 cites W2106382018 @default.
• W2022138972 cites W2121202969 @default.
• W2022138972 cites W2121949966 @default.
• W2022138972 cites W2125491056 @default.
• W2022138972 cites W2126016605 @default.
• W2022138972 cites W2137358528 @default.
• W2022138972 cites W2139742533 @default.
• W2022138972 cites W2152552797 @default.
• W2022138972 cites W2162361194 @default.
• W2022138972 cites W2163453939 @default.
• W2022138972 cites W2180370766 @default.
• W2022138972 cites W45007544 @default.
• W2022138972 cites W1964161035 @default.
• W2022138972 doi "https://doi.org/10.1016/s0165-1684(98)00245-x" @default.
• W2022138972 hasPublicationYear "1999" @default.
• W2022138972 type Work @default.
• W2022138972 sameAs 2022138972 @default.
• W2022138972 citedByCount "20" @default.
• W2022138972 crossrefType "journal-article" @default.
• W2022138972 hasAuthorship W2022138972A5041619674 @default.
• W2022138972 hasAuthorship W2022138972A5050716572 @default.
• W2022138972 hasAuthorship W2022138972A5081926589 @default.
• W2022138972 hasConcept C106487976 @default.
• W2022138972 hasConcept C11413529 @default.
• W2022138972 hasConcept C134306372 @default.
• W2022138972 hasConcept C159985019 @default.
• W2022138972 hasConcept C192562407 @default.
• W2022138972 hasConcept C207467116 @default.
• W2022138972 hasConcept C25023664 @default.
• W2022138972 hasConcept C2524010 @default.
• W2022138972 hasConcept C33923547 @default.
• W2022138972 hasConcept C41008148 @default.
• W2022138972 hasConcept C41425797 @default.
• W2022138972 hasConcept C57273362 @default.
• W2022138972 hasConcept C75755367 @default.
• W2022138972 hasConceptScore W2022138972C106487976 @default.
• W2022138972 hasConceptScore W2022138972C11413529 @default.
• W2022138972 hasConceptScore W2022138972C134306372 @default.
• W2022138972 hasConceptScore W2022138972C159985019 @default.
• W2022138972 hasConceptScore W2022138972C192562407 @default.
• W2022138972 hasConceptScore W2022138972C207467116 @default.
• W2022138972 hasConceptScore W2022138972C25023664 @default.
• W2022138972 hasConceptScore W2022138972C2524010 @default.
• W2022138972 hasConceptScore W2022138972C33923547 @default.
• W2022138972 hasConceptScore W2022138972C41008148 @default.
• W2022138972 hasConceptScore W2022138972C41425797 @default.
• W2022138972 hasConceptScore W2022138972C57273362 @default.
• W2022138972 hasConceptScore W2022138972C75755367 @default.
• W2022138972 hasIssue "1" @default.
• W2022138972 hasLocation W20221389721 @default.
• W2022138972 hasOpenAccess W2022138972 @default.
• W2022138972 hasPrimaryLocation W20221389721 @default.
• W2022138972 hasRelatedWork W2163880147 @default.
• W2022138972 hasRelatedWork W2347385355 @default.
• W2022138972 hasRelatedWork W2350800846 @default.
• W2022138972 hasRelatedWork W2352305343 @default.
• W2022138972 hasRelatedWork W2356859267 @default.
• W2022138972 hasRelatedWork W2357492600 @default.
• W2022138972 hasRelatedWork W2382877670 @default.
• W2022138972 hasRelatedWork W2386539210 @default.
• W2022138972 hasRelatedWork W2886125143 @default.
• W2022138972 hasRelatedWork W4289703793 @default.
• W2022138972 hasVolume "76" @default.
• W2022138972 isParatext "false" @default.
• W2022138972 isRetracted "false" @default.
• W2022138972 magId "2022138972" @default.
• W2022138972 workType "article" @default.