Key points are not available for this paper at this time.
تصنيف التعديل هو واحدة من المهام الأساسية لرصد وإدارة وتحكم أنظمة الاتصالات لمعالجة القضايا التقنية، بما في ذلك الوعي بالطيف، والإرسال التكيفي، وتجنب التداخل. في الآونة الأخيرة، جذبت تقنيات تصنيف التعديل القائمة على التعلم العميق (DL) اهتمامًا كبيرًا نظرًا لتفوقها في استخراج الميزات و دقة التصنيف. في تصنيف التعديل القائم على التعلم العميق، يُعتبر تحدي رئيسي هو معالجة إشارة مستلمة وتمثيلها في تنسيق مناسب قبل إدخال الإشارة في الشبكات العصبية العميقة. تقدم هذه المقالة استطلاعًا شاملاً لأحدث خوارزميات تصنيف التعديل القائمة على التعلم العميق، مع التركيز بشكل خاص على تقنيات تمثيل الإشارة ومعالجة البيانات المستخدمة في هذه الخوارزميات. نظرًا لأن الإشارة المستلمة يمكن تمثيلها إما من خلال الميزات، الصور، التسلسلات، أو مزيج من هذه العناصر، يمكن تصنيف الخوارزميات الموجودة لتصنيف التعديل القائم على التعلم العميق إلى أربع مجموعات ويتم مراجعتها وفقًا لذلك في هذه المقالة. علاوة على ذلك، يتم تلخيص ومناقشة مزايا وعيوب كل طريقة من طرق تمثيل الإشارة.
درس بينغ وآخرون (Mon،) هذا السؤال.