一种基于模块化神经网络的场强预测方法

被引：11

作者：

杨晋生

李亚洲

机构：

[1] 天津大学电子信息工程学院

来源：

小型微型计算机系统 | 2017年 / 38卷 / 11期

关键词：

场强预测; 神经网络; 模块化神经网络; 接收信号强度;

D O I：

10.20009/j.cnki.21-1106/tp.2017.11.002

中图分类号：

TN011 [电波传播、传播机理]; TP183 [人工神经网络与计算];

学科分类号：

080804 [电力电子与电力传动]; 140502 [人工智能];

摘要：

接收信号场强预测对无线通信网络的设计与规划非常重要.为此,提出了一种基于模块化神经网络的场强预测模型.对于给定的区域,选取一定数量的接收样本点,根据接收信号场强数据的分布特点,使用K均值(K-Means)聚类方法对全部样本点聚类,以实现对输入样本空间的分解,并建立对应的子神经网络模块.以某学校宿舍区域为例,选取了训练集和测试集样本点,通过对比单一神经网络模型和模块化神经网络模型的预测误差,发现模块化神经网络的预测结果优于单一神经网络,证明了所提出模型的有效性.

引用

页码：2423 / 2426

页数：4

共 4 条

[1]

改进遗传算法优化BP神经网络的旅游景区日客流量预测 [J].

宋国峰 ;

梁昌勇 ;

梁焱 ;

赵树平 .

小型微型计算机系统, 2014, 35 (09) :2136-2141

[2]

一种功能分区的BP神经网络结构设计方法 [J].

张昭昭 ;

乔俊飞 ;

杨刚 .

控制与决策, 2011, 26 (11) :1659-1664

[3]

Influence of Training Set Selection in Artificial Neural Network-Based Propagation Path Loss Predictions.[J].Fernández Anitzine Ignacio;Romo Argota Juan Antonio;Fontán Fernado Pérez.International Journal of Antennas and Propagation.2012,

[4]

Ensembling neural networks: Many could be better than all.[J].Zhi-Hua Zhou;Jianxin Wu;Wei Tang.Artificial Intelligence.2002, 1

← 1 →