کاربرد شبکه‌های عصبی در سیستم‌های مخابراتی
فرمت فایل دانلودی: .docxفرمت فایل اصلی: docx
تعداد صفحات: 81
حجم فایل: 2554 کیلوبایت
کاربرد شبکه‌های عصبی در سیستم‌های مخابراتی
فصل اول: آشکارسازی کور در سیستم مخابراتی DS-CDMA با استفاده از شبکه های عصبی: گامی در جهت فرماندهی و کنترل انتقال داده در مخابرات نسل سوم
1-1- مقدمه
1-2-تکنیک DS-CDMA با مدولاسیون BPSK در باند پایه
1-3-روش پیشنهادی برای آشکارسازی کور با استفاده از شبکه های عصبی چند لایه
1-3-1-آشکارسازی کور با فرض عدم وجود تاخیر در کانال
1-3-2- تخمین زدن تاخیر کانال
1-3-3- آشکارسازی کور در سیستم مخابراتی DS-CSMA
1-4-آزمایشها و نتایج
1-4-1- آنالیز نتایج
1-5- جمع بندی
فصل دوم : تخمین نسبت سیگنال به نویز در کانال های مخابراتی پویا به کمک شبکه ی عصبی پایه شعاعی با ساختار تأخیر زمانی
2-1-مقدمه
2-2-تخمین کور سیگنال به نویز به کمک شبکه های عصبی
2-2-1- تخمین کو در مقایسه با تخمین TxDA
2-2-2- شبکه ی عصبی پایه شعاعی
2-2-3- نویز تصادفی و تقش حالت اولیه در تولید آن
2-3-ساختار مدل پیشنهادی
2-4- شبیه سازی و نتایج تجربی
2-5-مقایسه و ارزیابی
2-6-نتیجه گیری
2-7- روندنمای الگوریتم زیگورات
فصل سوم: سیستم هوشمند رتبه بندی اعتباری ترکیبی با استفاده از سیستم خبره و شبکه های عصبی مصنوعی
3-1- مقدمه
3-2- نمره های اعتباری
3-3- شبکه های عصبی مصنوعی
3-4- سیستم خبره (ES)
3-4-1- برنامه های سیستم کارشناس در ارزیابی اعتبار
3-5-1- روش سیستم هوشمند ترکیبی
3-5-1-1- پایه مدل به تنهایی
3-5-1-2- مدل های تحول
3-5-1-3- مدل های محکم همراه
3-5-1-4- مدل کاملا جفت
3-5-2- ترکیبی از برنامه های کاربردی سیستم های هوشمند در اعتباری ارزیابی
3-6- ترکیب هوشمند سیستم رتبه بندی اعتباری
3-6-1- مدل
3-6-1-1- سیستم خبره
3-6-1-2- معماری شبکه های عصبی مصنوعی
3-7- ارزیابی
3-7-1- روش های ارزیابی
3-7-2- نتایج ارزیابی
3-8- گفتگو
3-8-1- مقایسه نتایج با استفاده از آزمون همبستگی و آزمون T
3-8-2- خطاهای MSE، MDA، RMSE، MAPE، MPE
3-8-3- مقایسه بین سیستم ترکیبی و نتایج رتبه بندی اعتباری واقعی
3-9- نتیجه
4- منابع
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.