|||
赵亮, 谢志峰, 张坤鹏, 郑玉卿, 付园坤
河南工业大学电气工程学院,河南 郑州 450001
赵亮, 谢志峰, 张坤鹏, 等 . 无线网络信号传输建模:一种区间二型模糊集成深度学习方法[J]. 智能科学与技术学报, 2020, 2(4): 401-411.
ZHAO L, XIE Z F, ZHANG K P, et al. Modeling signal propagation in wireless network:an interval type-2 fuzzy ensemble deep learning approach[J]. CHINESE JOURNAL OF INTELLIGENT SCIENCE AND TECHNOLOGY, 2020, 2(4): 401-411.
1.引言
2. 数据处理
其中,f为载波频率(单位为MHz)、hb为基站天线有效高度(单位为 m)、hue为用户天线的有效高度(单位为m)、α为用户天线高度纠正项(单位为dB)、d为链路距离(单位为km),Cm为场景纠正常数(单位为dB)。
参考信号接收功率(reference signal received power,RSRP)与PL的关系如下:
3.区间二型模糊集成深度学习方法
其中,j∈[1,M],M是规则数,n是样本特征维数。
输入:个体深度学习器训练数据集Di,集成学习器训练数据集Ds,测试集Dt输出:学习到的区间二型模糊集成深度学习模型
4.实验验证
其中,y(k)表示信号接收端的标签值,yo(k)表示信号接收端的实际输出值,Nt表示测试数据数目。
各模型参数如下:Cost231-Hata 模型中的场景纠正常数Cm为1.5 dB,用户天线高度纠正项α为1.3 m。BPNN模型中设置3个隐层,采用Sigmoid激活函数,学习率为10-4。DBN模型中设置隐层数目10个,即有10个RBM。在预训练阶段,每个RBM的学习率均为 10-4;在微调阶段,每个 RBM的学习率为10-6。ResNet模型中设置残差块数目50个,使用ReLU激活函数,学习率为10-4,隐层神经元节点数目为150个,神经元丢失率(dropout)为0.5。SAE模型中设置30个自编码器,每个自编码器的中间层有 120个神经元节点,采用 Sigmoid激活函数,学习率为 10-4。在 ResNet、DBN 和 SAE模型中加入早停机制以减小过拟合,每批次样本512个。
(2)实验二:区间二型模糊集成方法性能验证
训练参数如下:在k-means聚类算法中,聚类数目等于规则数目,聚类中心是高斯隶属函数的中心cj,均方差σj是聚类j中的数据样本到聚类中心的距离的平均值,由此可得和,j∈[1,M],其中M是规则数,随机参数λj服从(0,1)的均匀分布。在集成模型中,设置学习率为10-3,加入早停机制以减小过拟合,每批次样本512个。
5.结束语
作者简介 About authors
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-20 14:59
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社