本研究利用机器学习和无线电信号客观测量慢性瘙痒及其对睡眠的影响，结果表明抓挠行为与睡眠质量低下显著相关，为慢性瘙痒患者的临床护理提供了重要工具。

本文探讨了卷积神经网络在无线电信号调制分类中的应用，比较了不同特征学习方法的有效性，展示了深度学习在低信噪比下的优势。研究提出了多种神经网络架构，强调了深度学习在无线通信信道估计和信号检测中的潜力，指出其在未来无线网络中的重要性和应用前景。

本文研究了深度学习在无线电信号分类中的应用及其安全性，探讨了对抗攻击对模型性能的影响。提出了一种基于自编码器的防御机制，有效应对对抗性攻击，并分析了不同攻击方式对无线通信系统的影响。研究表明，深度学习模型在无线通信中易受攻击，需加强防护措施以提高鲁棒性。

本文综述多项生成对抗网络（GAN）研究：提出结合采样点与未卷积生成器的无线电GAN框架，提升训练稳定性并合成高质量无线电信号；利用GAN与语义地图建模室内射频地图；提出CBAGAN-RRT路径规划算法；用几何形状模型生成逼真人脸；以全卷积自编码器估计电台占用地图；用对抗训练实现MRI到CT转换；提出GACT降低训练内存并支持大批量训练；用教师网络注意力图提升图像生成与弱定位；提出专为GAN训练的架构搜索算法AGAN；提出AE-OT-GAN缓解模式坍塌并生成高质量图像。