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

• 作者: 杨雪松 王秉中 院琳
• 来源期刊: 物理学报
• 关键词: 时间反演 信道建模 人工神经网络 经验知识
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 总论
• 页码范围: 66-73
• 页数: 8页
• 字数: 4713字
• 语种: 中文
• DOI: 10.7498/aps.68.20190327

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王秉中	电子科技大学物理学院	74	719	15.0	23.0
2	杨雪松	电子科技大学物理学院	8	117	4.0	8.0
3	院琳	电子科技大学物理学院	1	1	1.0	1.0