摘要
本发明公开了一种高鲁棒性端到端通信系统解码器网络模型设计方法,所述方法包括如下步骤:基于复数神经网络、自注意力机制以及残差模块构建特征提取器模型,并将其与全连接层结合后,形成解码器网络模型;采用面向深度学习模型的后门触发器生成方法,针对解码器网络模型生成后门触发器;生成训练数据集和后门数据集,自监督学习训练特征提取器模型,过滤不可信样本,对解码器网络模型进行半监督微调,完成解码器网络模型的解耦训练。通过所述方法设计的解码器网络模型具有传输误码率低以及安全性高等优点。
技术关键词
模型设计方法
特征提取器
后门
通信系统
网络
样本
鲁棒性
面向深度学习
残差模块
注意力机制
矩阵
生成训练数据
编码器
解码器模型
信道
标签
传输误码率
系统为您推荐了相关专利信息
胜任力评估方法
无接触式
人工神经网络模型
闪烁频率
数据
多传感器融合
监测预警方法
前馈神经网络
时序特征
通道
二进制代码相似性检测方法
Siamese网络
大语言模型
多层感知器
语义特征
焦炭
神经网络模型构建
参数
人工神经网络模型
误差函数