基于HS-BP神经网络的认知无线电频谱预测技术

被引：7

作者：

胡翩翩 ^{[1
]}

曾碧卿 ^{[2
]}

机构：

[1] 华南师范大学计算机学院

[2] 华南师范大学软件学院

来源：

计算机工程 | 2017年 / 43卷 / 07期

关键词：

认知无线电网络; 反向传播神经网络; 和声搜索算法; 频谱预测; 频谱感知; 机器学习;

D O I：

暂无

中图分类号：

TN925 [无线电中继通信、微波通信]; TP183 [人工神经网络与计算];

学科分类号：

080402 ; 080904 ; 0810 ; 081001 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在基于反向传播神经网络(BPNN)的频谱预测中,网络的初始权重与阈值是随机产生的,并且BP算法本身存在陷入局部最优的缺陷,从而导致BPNN训练得到的网络结构具有一定的不确定性。针对上述问题,提出一种基于HS-BP神经网络的频谱预测算法,通过和声搜索算法的全局寻优能力得到BPNN的最优初始权重和阈值,从而BPNN训练可得到最优的频谱预测网络结构,并运用该网络结构进行频谱的预测。仿真结果表明,该算法可以提高频谱预测的准确性及频谱的利用率。

引用

页码：146 / 150+155 +155

页数：6

共 8 条

[1] 基于粒子群算法的BP神经网络优化技术 [J].

张德慧 ;

张德育 ;

刘清云 ;

吕艳辉 .

计算机工程与设计, 2015, 36 (05) :1321-1326

[2] 改进的和声搜索算法在函数优化中的应用 [J].

韩红燕 ;

潘全科 ;

梁静 .

计算机工程, 2010, 36 (13) :245-247

[3] Channel status prediction for cognitive radio networks [J].

Tumuluru, Vamsi Krishna ;

Wang, Ping ;

Niyato, Dusit .

WIRELESS COMMUNICATIONS & MOBILE COMPUTING, 2012, 12 (10) :862-874

[4]

An improved harmony search algorithm for solving optimization problems.[J].M. Mahdavi;M. Fesanghary;E. Damangir.Applied Mathematics and Computation.2006, 2

[5]

A new meta-heuristic algorithm for continuous engineering optimization: harmony search theory and practice.[J].Kang Seok Lee;Zong Woo Geem.Computer Methods in Applied Mechanics and Engineering.2004, 36

[6] Back Propagation neural networks [J].

Buscema, M .

SUBSTANCE USE & MISUSE, 1998, 33 (02) :233-270

[7]

基于MATLAB的网络排队仿真.[D].吕雪.大连海事大学.2013, 09

[8]

基于DE-BP的神经网络认知无线电频谱预测研究.[D].李书荣.西南交通大学.2013, 12

← 1 →