认知无线网络中基于人工智能算法的流量预测和数据传输机制研究
发布时间：2020-12-06 18:02
认知无线网络能够在一定程度上解决无线资源的匮乏问题,不过更多的是赋予网络中的实体智能和自适应的能力,同时为无线网络的智能化管理提供进一步的技术支持。认知网络中的实体可以智能地感知外部环境信息,并依此进行策略制定。随着网络环境的复杂化和异构化程度加剧,网络实体的行为带来的数据流量越来越多。因此,对网络中的数据进行智能化地管理,可以有效地提升网络的性能。所以,对网络数据流量的预测和传输调度机制的研究也是未来智能网络的重要方面。基于此,本文的主要研究内容为:第一,研究了在认知网络中如何提高网络数据流量预测精度的问题。针对多信道网络中数据流量的预测问题,提出了一种基于栈式自编码深度学习的流量预测模型,将流量预测的精度问题转化为预测模型的优化问题。相对于传统的浅层学习,深度学习的方法可以获取隐含在网络数据流量中的深层非线性关系。同时,该模型将单目标的预测问题提升到多目标的数据预测。最后,引入了LBFGS算法来对预测模型的参数进行优化,以进一步提高预测精度。经过仿真实验,并且和其他算法进行对比,结果证实了本文的方案具有更小的预测相对误差。第二,研究了认知网络中的数据传输调度问题。在系统中存在一个中...
【文章来源】：重庆邮电大学重庆市
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.2 认知无线网络概述
1.2.1 认知网络定义
1.2.2 认知无线网络的研究内容及现状
1.3 本文主要工作及组织结构
第2章 基于人工智能算法的流量预测和数据传输问题
2.1 引言
2.2 流量预测中的主要方法
2.2.1 人工神经网络
2.2.2 支持向量机
2.2.3 自回归滑动平均模型
2.2.4 逻辑回归法
2.3 数据传输调度中的决策方法
2.3.1 动态规划
2.3.2 策略迭代法
2.3.3 Q学习法
2.3.4 W学习法
2.4 本章小结
第3章 基于深度学习的多信道流量预测机制
3.1 引言
3.2 网络流量预测框架
3.3 基于AG-SAEs的预测方法
3.3.1 AG-SAEs预测模型
3.3.2 自适应分组算法
3.3.3 栈式自编码模型
3.3.4 基于LBFGS的参数优化方法
3.3.5 算法步骤与复杂度分析
3.4 仿真分析
3.4.1 数据预处理
3.4.2 预测性能指标
3.4.3 参数优化算法对比
3.4.4 模型结构分析
3.4.5 预测算法对比
3.5 本章小结
第4章 基于深度Q学习的数据传输方案
4.1 引言
4.2 系统模型
4.2.1 信道状态
4.2.2 缓存器状态
4.2.3 发送功率
4.3 传输调度的MDP分析
4.3.1 系统状态转移
4.3.2 收益和代价
4.4 基于深度Q学习的最优行为获取
4.4.1 Q学习算法
4.4.2 深度行为映射网络
4.5 算法描述与比较
4.5.1 算法描述
4.5.2 算法比较
4.6 仿真分析
4.7 本章小结
第5章 总结与展望
5.1 论文总结
5.2 研究展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]基于深度信念网络的网络流量预测模型[J]. 任玮. 山西电子技术. 2016(01)
[2]Reputation-based secure spectrum situation fusion in distributed cognitive radio networks[J]. Li Fangwei,Liu Fan,Zhu Jiang,Nie Yifang. The Journal of China Universities of Posts and Telecommunications. 2015(03)
[3]认知网络中一种基于频谱安全态势感知的路由方案[J]. 李方伟,刘帆,朱江,聂益芳. 电讯技术. 2014(09)
[4]无线传输中基于马尔可夫决策的高能效策略[J]. 林晓辉,谭宇,张俊玲,杨超,刘静. 系统工程与电子技术. 2014(07)
[5]基于W学习的无线网络传输调度方案[J]. 朱江,彭祯珍,张玉平. 计算机应用. 2013(11)
[6]基于遗传RBF神经网络的无线传感器网络流量预测方法[J]. 杨治秋. 哈尔滨师范大学自然科学学报. 2013(01)
[7]认知网络中基于蚁群算法的网络流量预测模型[J]. 李丹丹,张润彤,王传臣,肖东坡. 电子学报. 2011(10)
[8]一种基于马尔可夫决策过程的认知无线电网络传输调度方案[J]. 朱江,徐斌阳,李少谦. 电子与信息学报. 2009(08)
本文编号：2901802
【文章来源】：重庆邮电大学重庆市
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.2 认知无线网络概述
1.2.1 认知网络定义
1.2.2 认知无线网络的研究内容及现状
1.3 本文主要工作及组织结构
第2章 基于人工智能算法的流量预测和数据传输问题
2.1 引言
2.2 流量预测中的主要方法
2.2.1 人工神经网络
2.2.2 支持向量机
2.2.3 自回归滑动平均模型
2.2.4 逻辑回归法
2.3 数据传输调度中的决策方法
2.3.1 动态规划
2.3.2 策略迭代法
2.3.3 Q学习法
2.3.4 W学习法
2.4 本章小结
第3章 基于深度学习的多信道流量预测机制
3.1 引言
3.2 网络流量预测框架
3.3 基于AG-SAEs的预测方法
3.3.1 AG-SAEs预测模型
3.3.2 自适应分组算法
3.3.3 栈式自编码模型
3.3.4 基于LBFGS的参数优化方法
3.3.5 算法步骤与复杂度分析
3.4 仿真分析
3.4.1 数据预处理
3.4.2 预测性能指标
3.4.3 参数优化算法对比
3.4.4 模型结构分析
3.4.5 预测算法对比
3.5 本章小结
第4章 基于深度Q学习的数据传输方案
4.1 引言
4.2 系统模型
4.2.1 信道状态
4.2.2 缓存器状态
4.2.3 发送功率
4.3 传输调度的MDP分析
4.3.1 系统状态转移
4.3.2 收益和代价
4.4 基于深度Q学习的最优行为获取
4.4.1 Q学习算法
4.4.2 深度行为映射网络
4.5 算法描述与比较
4.5.1 算法描述
4.5.2 算法比较
4.6 仿真分析
4.7 本章小结
第5章 总结与展望
5.1 论文总结
5.2 研究展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]基于深度信念网络的网络流量预测模型[J]. 任玮. 山西电子技术. 2016(01)
[2]Reputation-based secure spectrum situation fusion in distributed cognitive radio networks[J]. Li Fangwei,Liu Fan,Zhu Jiang,Nie Yifang. The Journal of China Universities of Posts and Telecommunications. 2015(03)
[3]认知网络中一种基于频谱安全态势感知的路由方案[J]. 李方伟,刘帆,朱江,聂益芳. 电讯技术. 2014(09)
[4]无线传输中基于马尔可夫决策的高能效策略[J]. 林晓辉,谭宇,张俊玲,杨超,刘静. 系统工程与电子技术. 2014(07)
[5]基于W学习的无线网络传输调度方案[J]. 朱江,彭祯珍,张玉平. 计算机应用. 2013(11)
[6]基于遗传RBF神经网络的无线传感器网络流量预测方法[J]. 杨治秋. 哈尔滨师范大学自然科学学报. 2013(01)
[7]认知网络中基于蚁群算法的网络流量预测模型[J]. 李丹丹,张润彤,王传臣,肖东坡. 电子学报. 2011(10)
[8]一种基于马尔可夫决策过程的认知无线电网络传输调度方案[J]. 朱江,徐斌阳,李少谦. 电子与信息学报. 2009(08)
本文编号：2901802
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/2901802.html
