Это параметр процесса оптимизации, а не самой модели. Если Вы хотите оптимизировать оптимизацию :) то это другой процесс которому тоже нужны параметры.
Но есть похожая рабочая идея — синтетические градиенты. Цель, правда, там другая.
Длина волны с растоянием не растягивается. Просто затухает его мощность. Про «на сколько добьёт сигнал» сложно рассуждать — кроме мощности передатчика есть ещё антенны с разными конфигурациями (можно фокусировать сигнал) и длительность передачи. И принимать тоже можно разными антеннами.
Тем не менее, Theano это только библиотека для эффективных расчётов, на ней нужно самостоятельно реализовывать backpropagation, нейроны и всё остальное.
Backpropagation как раз автоматом делается — надо только целевую функцию задать, а градиенты Theano сама посчитает. Даже и во времени.
Спасибо за статью.
Random Forest как раз устойчив к незначимым атрибутам :) а как можно интерпретировать такую модель я плохо представляю (кроме, как раз, выделения важных параметров), но мне интересно. Может вы знаете какие-нибудь примеры наглядные?
А чем ещё занимаются в ритейловой аналитике, если не секрет?
Скремблер нужен для того, чтобы сделать спектр сигнала равномерным. Иначе, при однородных данных (например, много повторяющихся единиц или нулей) энергия сигнала будет сосредоточена в узком диапазоне.
Разработка алгоритмов ЦОС для устройств/систем связи (всё, что связано с физическим уровнем; от простейших модемов до 10 Gbps FEC кодеков).
Проектирование, моделирование, разработка систем цифровой обработки сигналов (на FPGA) и сопутствующие исследования.
Разработка бит-аккуратных моделей.
FPGA как механизм ускорения (а не контроля за LED-дисплеем на вокзале)
Добавлю, что есть и другие важные области применения (такие как прототипирование ASIC и цифровая обработка сигналов в телекомуникационной отрасли), в которых использование FPGA не просто окупается, но ещё и едва ли не единственный применимый вариант.
Вы здесь описываете кодовое разделение каналов. У них, судя по всему, разделение пространственное, подозрительно сильно похожее на MU-MIMO. В этом случае, чем больше базовых станций, тем большее количество абонентов могут быть обслужены, грубо говоря, без расширения спектра.
Или вы имеете в виду, что выигрыш от BER существеннее выигрыша от gain?
Да. По сути, выигрыш смотрится на BER характеристике. Например, судя по второму графику, по уровню BER 10^-4 выигрыш составляет около 18 дБ. Конечно, в случае 802.11ac для 256-QAM с LDPC они будут другими, но, тем не менее, выигрыш нужно оценивать с учетом вероятности битовой ошибки. Увеличение SNR само по себе здесь играет меньшую роль.
Две антенны = как минимум в два раза больше потребляемая мощность. Как это скажется на сроке работы от аккумулятора?
Удвоить скорость передачи за счет лишь удвоения мощности при фиксированной полосе передачи? Да это же просто мечта радиоинженерная, а не проблема!
При двух приемных антеннах MRC позволяет путем математики рекомбинировать исходный поток данных из копий принятого сигнала, улучшая чувствительность приемника («среднетемпературно-по-больнице» на 3дБ).
При двух передающих антеннах STBC позволяет путем математики передать один поток данных так, чтобы MRC получил сигнал в наилучшей форме, добавляя «математического» усиления к передаче (еще примерно столько же).
В открытом пространстве? Возможно. Но не в условиях же помещения. Там дело не в чувствительности, а в борьбе с интерференцией. Для некодированного потока можете здесь посмотреть усиление.
По поводу терминологии «мягкости». Чаще всего речь идёт именно о входных значениях. Когда говорят «Hard decision decoder» или «Soft decision decoder» имеются в виду входные значения. А вот когда речь идёт о выходных значениях, используют другой термин: soft output или hard output. Тот же SOVA — Soft Output Viterbi Algorithm. Хотя, обычно в таких случаях упоминаются и входные данные — Soft Input Soft Output.
Проблема синхронизации всегда есть, что с шумоподобными сигналами, что с любыми другими. Ну и решения, конечно, тоже имеются (возможно, не очевидные, но достаточно эффективные).
Не совсем, коррелятор не способен выделить сигнал, он может лишь определить время прихода сигнала.
… фазу и амплитуду, по которым определяется переданный символ и никакой «исходный сигнал» не нужен, достаточно корреляционного пика.
Справедливости ради стоит заметить, что существуют фильтры, способные выделять исходный сигнал на фоне шумов используя корреляционный критерий — их называют адаптивные фильтры
Единственный вид фильтров, которые применяются для детектирования шумоподобных сигналов — согласованный фильтр.
Адаптивные фильтры используют для оценки каких-либо параметров или для компенсации искажений, вносимых каналом.
Вот обычнейший коррелятор приемника сигналов с расширенным спектром, используется интегратор со сбросом (integrate&dump).
Вычисляется, по сути, значение автокорреляционной функции в пике. Результат используется для детектирования переданных символов (оценивается фаза пика).
Но есть похожая рабочая идея — синтетические градиенты. Цель, правда, там другая.
Backpropagation как раз автоматом делается — надо только целевую функцию задать, а градиенты Theano сама посчитает. Даже и во времени.
Можно ли делать выводы именно о причинности в данном случае?
Random Forest как раз устойчив к незначимым атрибутам :) а как можно интерпретировать такую модель я плохо представляю (кроме, как раз, выделения важных параметров), но мне интересно. Может вы знаете какие-нибудь примеры наглядные?
А чем ещё занимаются в ритейловой аналитике, если не секрет?
Проектирование, моделирование, разработка систем цифровой обработки сигналов (на FPGA) и сопутствующие исследования.
Разработка бит-аккуратных моделей.
LinkedIn
InHouseRnD
Добавлю, что есть и другие важные области применения (такие как прототипирование ASIC и цифровая обработка сигналов в телекомуникационной отрасли), в которых использование FPGA не просто окупается, но ещё и едва ли не единственный применимый вариант.
А по поводу времени разработки замечу, что вендоры на месте не сидят, а работают над решниями (OpenCL на FPGA, HDL coder для MATLAB).
Да. По сути, выигрыш смотрится на BER характеристике. Например, судя по второму графику, по уровню BER 10^-4 выигрыш составляет около 18 дБ. Конечно, в случае 802.11ac для 256-QAM с LDPC они будут другими, но, тем не менее, выигрыш нужно оценивать с учетом вероятности битовой ошибки. Увеличение SNR само по себе здесь играет меньшую роль.
Удвоить скорость передачи за счет лишь удвоения мощности при фиксированной полосе передачи? Да это же просто мечта радиоинженерная, а не проблема!
В открытом пространстве? Возможно. Но не в условиях же помещения. Там дело не в чувствительности, а в борьбе с интерференцией. Для некодированного потока можете здесь посмотреть усиление.
… фазу и амплитуду, по которым определяется переданный символ и никакой «исходный сигнал» не нужен, достаточно корреляционного пика.
Единственный вид фильтров, которые применяются для детектирования шумоподобных сигналов — согласованный фильтр.
Адаптивные фильтры используют для оценки каких-либо параметров или для компенсации искажений, вносимых каналом.
Вот обычнейший коррелятор приемника сигналов с расширенным спектром, используется интегратор со сбросом (integrate&dump).
Вычисляется, по сути, значение автокорреляционной функции в пике. Результат используется для детектирования переданных символов (оценивается фаза пика).