基于RIS的元素分组面状全连接网络.docx

基于RIS的元素分组面状全连接网络.docx

  1. 1、本文档共22页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

第36

第36卷第4期2024年4月

Vol.36No.4Apr.2024

JournalofSystemSimulation

基于RIS的元素分组面状全连接网络

侯顺虎1,方胜良2*,曾庆尧1,王孟涛1

(1.航天工程大学研究生院,北京101416;2.航天工程大学航天信息学院,北京101416)

摘要:针对神经网络全连接层在训练中参数量多、所占内存多、易产生过拟合问题,从智能超表面(reconfigurableintelligencesurface,RIS)结构特征出发,提出了一种基于RIS的元素分组面状全连接神经网络(RIS-basedelementgroupingarealfullyconnectedneuralnetwork,RGFCNN)。借鉴RIS的结构特征,在传统全连接神经网络上进行优化。设计了透射面注意力机制用于数据有效特征提取,相比于传统的全连接网络,该网络没有对数据进行一维排列,而是提出了一种运用于神经网络构建的元素分组策略,直接对二维面状数据进行分组全连接处理,各组处理输出进行数据串联。实验结果表明:在公开的具有IQ数据特征的通信信号数据集上,RGFCNN在信噪比大于0dB时具有更好的识别精度,而训练参数是原来的大约1/6。

关键词:智能超表面;全连接神经网络;元素分组策略;IQ信号;调制识别

中图分类号:TP183文献标志码:A文章编号:1004-731X(2024)04-1017-11

DOI:10.16182/j.issn1004731x.joss.23-0304

引用格式:侯顺虎,方胜良,曾庆尧,等.基于RIS的元素分组面状全连接网络[J].系统仿真学报,2024,36(4):1017-1027.Referenceformat:HouShunhu,FangShengliang,ZengQingyao,etal.ElementGroupingFacetedFullyConnectedNetworkBasedonRIS[J].JournalofSystemSimulation,2024,36(4):1017-1027.

ElementGroupingFacetedFullyConnectedNetworkBasedonRIS

HouShunhu1,FangShengliang2*,ZengQingyao1,WangMengtao1

(1.GraduateSchool,SpaceEngineeringUniversity,Beijing101416,China;

2.SchoolofSpaceInformation,SpaceEngineeringUniversity,Beijing101416,China)

Abstract:Inviewoftheover-fittingproblemthatcausedbymultipleparametersandhighmemoryusageofthefullconnectionlayerofneuralnetworkintraining,aRIS-basedelementgroupingarealfullyconnectedneuralnetwork(RGFCNN)isproposedforthefirsttimebasedonthestructuralcharacteristicsofreconfigurableintelligencesurface(RIS).BasedonthestructuralcharacteristicsofRIS,thenetworkisoptimizedontraditionalFCNN.Anoveltransmissionsurfaceattentionmechanismisdesignedfortheeffectivefeatureextractionofdata.ComparedwiththetraditionalFCNNs,theproposednetworkdoesnotarrangethedatainone-dimensionalmanner.Instead,aelement

文档评论(0)

分享吧 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档