基于深度学习的用户时延预测
发布时间：2020-12-10 04:22
近年来随着移动通信技术的快速发展,第五代移动通信技术(5G)正趋于成熟,2019年,我国的工业和信息化部分别向中国移动、中国电信、中国联通、中国广电发放5G的商用牌照,四大运营商正厉兵秣马,加快5G移动通信网络的建设工作。在5G网络规划与优化环节中一个重要的部分就是基站选址,合理的基站选址能在满足覆盖范围和用户服务质量的前提下极大的节约成本。传统的定点路测、定量覆盖方法难以满足快速、全面、准确评估网络性能的要求。系统级网络性能仿真虽能实现精确分析,但海量的计算量和时间开销使得其无法在实际的网络规划中应用。深度学习作为人工智能技术的一个重要分支,近年来在各个领域都受到了研究人员的高度重视。目前来说,将人工智能技术应用于社会的各个领域是一种必然的趋势,人工智能技术在医疗、安防、自动驾驶等领域已经取得了一定的研究成果。针对传统网络规划与优化方法的缺点,本文引入了深度神经网络模型,提出了一种用户时延的预测方式可用于5G的基站选址,满足实际网络规划的需求。本文的主要研究内容和创新点如下所示:本文提出了一种栅格级的用户时延预测的方法,该方法将系统仿真和深度神经模型融为一体,先利用射线追踪模型与5G...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
常见激活函数图
第三章深度神经网络模型与三视图特征模型16图3.4神经网络模型Fig.3.4Neuralnetworkmodel(2)(1)(1)(1)(1)33113223333kwxwxwxb（3.6）(2)(1)(1)(1)(1)11111221331lfwxwxwxb（3.7）(2)(1)(1)(1)(1)22112222332lfwxwxwxb（3.8）(2)(1)(1)(1)(1)33113223333lfwxwxwxb（3.9）进而，上述神经网络的最终输出结果为：(2)(2)(2)(2)(2)(2)(2)W,b1111221331h=fwl+wl+wl+l（3.10）上述计算过程就是著名的前向传播过程，即信号从输入层出发，遍历所有的神经元，最终到达输出神经元。所有神经元都与下一层的神经元全连接（即与下一层的所有神经元都相连），同一层的神经元互不相连，神经元之间也禁止跨层连接。相比单层感知机而言，多层神经网络的学习能力要优秀得多，前向传播算法已经不能满足多层神经网络的学习能力，需要求助于学习能力更强的学习算法。3.2.3误差反向传播算法误差反向传播（ErrorBackPropagation简称BP）算法是最成功的神经网络学习算法之一，目前大部分的神经网络学习算法都是以BP算法为基础演变而来的。BP算法不仅仅只应用于多层前馈神经网络，还可以用于其他更复杂、更有效的学习算法如卷积神经网络、循环神经网络等。BP算法的基本思想如下：(1)前向传播过程：将训练数据输入到神经网络中，数据经过输入层、隐藏层最终到达输出层；
BP算法中变量符号Figure3.5VariablesymbolinBPalgorithm
【参考文献】：
期刊论文
[1]基于3D射线跟踪模型的5G高精度仿真研究[J]. 赵静,张中华,吴威. 信息通信. 2020(03)
[2]基于AI三维建模仿真的5G网络精确规划[J]. 林侃. 信息与电脑(理论版). 2020(04)
[3]Clustering in the Wireless Channel with a Power Weighted Statistical Mixture Model in Indoor Scenario[J]. Yupeng Li,Jianhua Zhang,Pan Tang,Lei Tian. 中国通信. 2019(07)
[4]基于3D射线追踪模型的场景化覆盖提升研究与应用[J]. 刘毅,吴德胜,刘亚. 电信技术. 2019(03)
[5]AI for 5G: research directions and paradigms[J]. Xiaohu YOU,Chuan ZHANG,Xiaosi TAN,Shi JIN,Hequan WU. Science China(Information Sciences). 2019(02)
[6]激活函数在卷积神经网络中的对比研究[J]. 田娟,李英祥,李彤岩. 计算机系统应用. 2018(07)
[7]基于改进sigmoid激活函数的深度神经网络训练算法研究[J]. 黄毅,段修生,孙世宇,郎巍. 计算机测量与控制. 2017(02)
[8]基于卷积神经网络的微博情感倾向性分析[J]. 刘龙飞,杨亮,张绍武,林鸿飞. 中文信息学报. 2015(06)
[9]基于深度网络的可学习感受野算法在图像分类中的应用[J]. 王博,郭继昌,张艳. 控制理论与应用. 2015(08)
[10]MLP神经网络定点计算及误差分析[J]. 都军伟,王永纲,李凯. 中国科学技术大学学报. 2009(06)
本文编号：2908073
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
常见激活函数图
第三章深度神经网络模型与三视图特征模型16图3.4神经网络模型Fig.3.4Neuralnetworkmodel(2)(1)(1)(1)(1)33113223333kwxwxwxb（3.6）(2)(1)(1)(1)(1)11111221331lfwxwxwxb（3.7）(2)(1)(1)(1)(1)22112222332lfwxwxwxb（3.8）(2)(1)(1)(1)(1)33113223333lfwxwxwxb（3.9）进而，上述神经网络的最终输出结果为：(2)(2)(2)(2)(2)(2)(2)W,b1111221331h=fwl+wl+wl+l（3.10）上述计算过程就是著名的前向传播过程，即信号从输入层出发，遍历所有的神经元，最终到达输出神经元。所有神经元都与下一层的神经元全连接（即与下一层的所有神经元都相连），同一层的神经元互不相连，神经元之间也禁止跨层连接。相比单层感知机而言，多层神经网络的学习能力要优秀得多，前向传播算法已经不能满足多层神经网络的学习能力，需要求助于学习能力更强的学习算法。3.2.3误差反向传播算法误差反向传播（ErrorBackPropagation简称BP）算法是最成功的神经网络学习算法之一，目前大部分的神经网络学习算法都是以BP算法为基础演变而来的。BP算法不仅仅只应用于多层前馈神经网络，还可以用于其他更复杂、更有效的学习算法如卷积神经网络、循环神经网络等。BP算法的基本思想如下：(1)前向传播过程：将训练数据输入到神经网络中，数据经过输入层、隐藏层最终到达输出层；
BP算法中变量符号Figure3.5VariablesymbolinBPalgorithm
【参考文献】：
期刊论文
[1]基于3D射线跟踪模型的5G高精度仿真研究[J]. 赵静,张中华,吴威. 信息通信. 2020(03)
[2]基于AI三维建模仿真的5G网络精确规划[J]. 林侃. 信息与电脑(理论版). 2020(04)
[3]Clustering in the Wireless Channel with a Power Weighted Statistical Mixture Model in Indoor Scenario[J]. Yupeng Li,Jianhua Zhang,Pan Tang,Lei Tian. 中国通信. 2019(07)
[4]基于3D射线追踪模型的场景化覆盖提升研究与应用[J]. 刘毅,吴德胜,刘亚. 电信技术. 2019(03)
[5]AI for 5G: research directions and paradigms[J]. Xiaohu YOU,Chuan ZHANG,Xiaosi TAN,Shi JIN,Hequan WU. Science China(Information Sciences). 2019(02)
[6]激活函数在卷积神经网络中的对比研究[J]. 田娟,李英祥,李彤岩. 计算机系统应用. 2018(07)
[7]基于改进sigmoid激活函数的深度神经网络训练算法研究[J]. 黄毅,段修生,孙世宇,郎巍. 计算机测量与控制. 2017(02)
[8]基于卷积神经网络的微博情感倾向性分析[J]. 刘龙飞,杨亮,张绍武,林鸿飞. 中文信息学报. 2015(06)
[9]基于深度网络的可学习感受野算法在图像分类中的应用[J]. 王博,郭继昌,张艳. 控制理论与应用. 2015(08)
[10]MLP神经网络定点计算及误差分析[J]. 都军伟,王永纲,李凯. 中国科学技术大学学报. 2009(06)
本文编号：2908073
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2908073.html
