高级搜索

基于经验知识遗传算法优化的神经网络模型 实现时间反演信道预测

,  , 

downloadPDF

上一篇

下一篇

院琳, 杨雪松, 王秉中. 2019: 基于经验知识遗传算法优化的神经网络模型 实现时间反演信道预测, 物理学报, 68(17): 66-73. doi: 10.7498/aps.68.20190327
引用本文: 院琳, 杨雪松, 王秉中. 2019: 基于经验知识遗传算法优化的神经网络模型 实现时间反演信道预测, 物理学报, 68(17): 66-73. doi: 10.7498/aps.68.20190327
shu
Yuan Lin, Yang Xue-Song, Wang Bing-Zhong. 2019: Prediction of time reversal channel with neural network optimized by empirical knowledge based genetic algorithm, Acta Physica Sinica, 68(17): 66-73. doi: 10.7498/aps.68.20190327
Citation: Yuan Lin, Yang Xue-Song, Wang Bing-Zhong. 2019: Prediction of time reversal channel with neural network optimized by empirical knowledge based genetic algorithm, Acta Physica Sinica, 68(17): 66-73. doi: 10.7498/aps.68.20190327
shu

基于经验知识遗传算法优化的神经网络模型 实现时间反演信道预测

  • 电子科技大学物理学院,成都,610054

Prediction of time reversal channel with neural network optimized by empirical knowledge based genetic algorithm

  • 摘要: 人工神经网络由于具有较强的非线性拟合能力,可用来建立终端位置与接收信号之间的映射关系,从而获得不同位置的信道特性.神经网络建模的精度一般由所使用的训练样本数量决定,训练样本数目越多,模型往往越精确.但大量的训练数据的获取,耗时较多.本文将经验知识融入遗传算法,对人工神经网络模型进行优化,实现了时间反演电磁信道的快速建模.通过提取时间反演信号的传播参数,并将其作为经验知识用于遗传算法的适应度函数,来优化神经网络模型的权值和阈值.在保证训练样本数量不变的情况下,相比直接利用神经网络建模,提高了建模的精度.以一种简单的室内时间反演场景为例,验证了方法的有效性.
  • 加载中
  • 加载中
计量
  • 文章访问数:  103
  • HTML全文浏览数:  103
  • PDF下载数:  7
  • 施引文献:  0
出版历程

基于经验知识遗传算法优化的神经网络模型 实现时间反演信道预测

  • 电子科技大学物理学院,成都,610054

摘要: 人工神经网络由于具有较强的非线性拟合能力,可用来建立终端位置与接收信号之间的映射关系,从而获得不同位置的信道特性.神经网络建模的精度一般由所使用的训练样本数量决定,训练样本数目越多,模型往往越精确.但大量的训练数据的获取,耗时较多.本文将经验知识融入遗传算法,对人工神经网络模型进行优化,实现了时间反演电磁信道的快速建模.通过提取时间反演信号的传播参数,并将其作为经验知识用于遗传算法的适应度函数,来优化神经网络模型的权值和阈值.在保证训练样本数量不变的情况下,相比直接利用神经网络建模,提高了建模的精度.以一种简单的室内时间反演场景为例,验证了方法的有效性.

English Abstract

    全文HTML

参考文献 (0)

目录

/

返回文章
返回