原创力文档- 1、本文档共11页，其中可免费阅读10页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于线性卷积神经网络的TDECQ测量模型的构建方法及系统，方法包括以下步骤：S1，将眼图作为训练集和测试集；采用传统的TDECQ计算方法得到PAM‑4信号的TDECQ数值，作为训练集和测试集的标签；S2，将所述训练集与其对应的标签所构成的训练样本集输入到深度神经网络中进行训练，得到训练模型；S3，加载所述步骤S2中的训练模型，使用所述步骤S1中的测试集测试所述训练模型的性能，保存性能最佳的训练模型并作为最终模型。本方案在允许误差内，通过设计低复杂度的L‑CNN，降低传统TDECQ
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117034734 A
(43)申请公布日 2023.11.10
(21)申请号 202310661099.9 H04B 10/524 (2013.01)
文档评论（0）