简介:摘要:本文针对无线通信领域中的信号识别和分类问题,提出了一种基于深度学习的新方法。我们使用了卷积神经网络(CNN)和长短时记忆网络(LSTM)等深度学习模型,对无线信号数据进行特征提取和分类。通过在大规模真实数据集上进行实验评估,我们验证了所提方法的有效性和准确性。与传统方法相比,基于深度学习的方法在识别和分类性能上取得了显著的改进。此外,我们还探索了数据增强技术在提高模型鲁棒性方面的应用。实验结果表明,采用数据增强技术可以进一步提升模型的泛化能力和适应性。该研究对于无线通信系统中信号识别和分类的自动化和智能化具有重要意义,有助于提高通信系统的性能和效率。
简介:摘要目的探究大学生群体中幽默风格在个体真实性与抑郁间的中介作用。方法采用幽默风格量表、个体真实性量表和贝克抑郁量表第2版中文版对247名在校大学生进行问卷调查。采用SPSS 26.0对数据进行描述统计和相关分析,AMOS 23.0进行结构方程模型建构,采用Bootstrap法进行中介效应检验。结果(1)个体真实性得分为(53.35±7.80)分,抑郁情绪得分为6.00(3.00,11.00)分,自贬型、自强型和亲和型幽默风格得分依次为(15.00±3.45)分、(17.70±3.04)分和(27.21±4.17)分。(2)相关分析结果显示,个体真实性与自强型幽默呈正相关(r=0.20,P<0.01),与自贬型幽默和抑郁情绪呈负相关(r=-0.16,P<0.05;r=-0.30,P<0.01);自强型幽默与抑郁情绪呈负相关(r=-0.17,P<0.01)。(3)中介分析结果显示,大学生个体真实性对抑郁情绪的总效应为-0.318,自强型幽默在个体真实性与抑郁情绪间存在部分中介作用,效应值为-0.055(95%CI=-0.103,-0.007),占总效应的17.3%;个体真实性对抑郁情绪的直接效应为-0.245(95%CI=-0.376,-0.119),占总效应的77.0%。结论个体真实性可以直接影响抑郁情绪,也可以通过自强型幽默间接影响抑郁情绪。这有利于进一步理解个体真实性与心理健康的关系,为大学生抑郁的预防和干预提供策略性参考。