热点事件持续更新
研究团队提出适用于CPU的轻量级调制分类模型FuseAMC
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年11月5日，研究团队在arXiv发布论文，提出面向自动调制分类的轻量级决策融合模型FuseAMC。该模型将参数量约198k的残差CNN与梯度提升树累积量分类器相结合。实验表明，在RadioML 2016.10a数据集上，FuseAMC取得了55.8%的总体准确率，较纯CNN基准和最佳累积量基准分别提升3.2与5.1个百分点。此外，该模型参数量约0.2 million，单帧计算量约3 MFLOPs，支持在单CPU核心上进行训练与推理运行。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
研究团队提出轻量级决策融合模型FuseAMC，可实现单CPU核心高效训练与运行。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.LGFuseAMC：深度与传统结合的高 CPU 效率自动调制分类决策融合模型
轻量级决策融合模型 FuseAMC 将约 198k 参数的残差 CNN 与梯度提升树累积量分类器相结合，用于自动调制分类。在 RadioML 2016.10a 上，该模型取得 55.8% 的总体准确率，较纯 CNN 和最佳累积量基准分别提升 3.2 与 5.1 个百分点。FuseAMC 参数量约 0.2 million，单帧计算量约 3 MFLOPs，可在单 CPU 核心上训练与运行。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。