文档介绍：万方数据
基于连续蚁群算法融合的神经网络信号分布模型陈增强谢东南大学学报匀豢蒲О王晨摘要:,、易陷入局部极值的缺陷,引入一种连续的蚁群优化算法来确定多层神经网络的权值,,最后利用实际设备采集的反射信号强度数据对算法进行测试,对理论信号模型和实际的建模结果进行了比较,:神经网络;连续蚁群优化;技术;反射信号强度;信号分布模型技术已经越来越多地应用于世界的各个角定位等‘.实际的系统包括读写器、下,,我们必须保证标签能接收和发送相第卷增刊年痡..甋的误差和扰动下,所提出的方法可以更好地建模信号强度的实际分布,:文献标志码:文章编号:—增刊甌—..瓼,瑃;际跏且种非接触式近场通信与识别技术‘.近年来,落,如电子防盗系统‘引、物流供应链‘、室内目标读写器天线捅昵谛矶嗲榭峡4笱畔⒓际蹩蒲аг海旖瑆,,:.,——簄籧;;收稿日期:作者简介:王晨,男,硕士生;陈增强O等,男,博士,教授,博士生导师,:国家自然科学基金资助项目、天津市自然科学基金资助项目⑿:王晨,—:./甶甋琋
万方数据
鉣啤蓿琯啤蓿隆一一静园目透吲吲一,,一竖竺止先核惴增刊王晨,等:基于连续蚁群算法融合的神经网络信号分布模型当强度的射频信号;另一方面,过多的读写器和标签会导致成本的提高,,在一些室内目标定位算法中,准确的标签信号强度模型本身是必不可少的∞,本文利用神经网络的逼近和预测能力进行建模,该方法仅依赖实测数据,,,如结果依赖于误差表面形状、收敛速度慢、容易陷入局部极值等,本文采用了一种新的方法:、粒子群优化,,最初用以解决以旅行商问题为代表的离散优化问题辏琒和伽在遵循蚁群算法基本框架的前提下,给出了一种连续域中的蚁群算法,,蚁群算法的基础理论在这里省略,具体请参考文献—,:,,⋯,同嗨疲贑校悦恐宦煲侠此担一个完整的可行解需要我贫垂菇ǎぁ#海5闹翟诟鞔我贫斜话此承蚋觯呛离散域中的煌氖牵杂诹侍猓心茄ü,,其对应的概率密度为它是鲆晃咚购募尤ê停珿‘酱螅得每只蚂蚁在第我贫泄ぁS懈蟮母怕时桓持由霾问蛄孔槌桑ㄖ叵蛄縯值向量肛:,以及标