文档介绍：.. ... ..
lndexTP3931UDC0049SGrade2010篫ChengIongAppforMaster:andnformat篐YuqApr3^Tcat‘
.. ... ..
签名:孤械名:纸柢翩虢鸯溜嘛洲∥∥·歹独创性声明关于论文使用和授权的说明b的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢本人声明所呈交的论文是我个人在导师指导下蛭腋鋈恕进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得西南科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作意。本人完全了解西南科技大学有关保留、使用学位论文的规定,即:学校有权保留学位论文的复印件,允许该论文被查阅和借阅;学校可以公布该论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存论文。C艿难宦畚脑诮饷芎笥ψ袷卮斯娑
.. ... ..
摘要擎作为其关键技术之一,核心是利用人工智能算法完成认知学习推理与优化新型神经网络,其基本出发点是为更好地应对神经网络二难问题。文中在平台下,借助牧街直浠P图碅隖,第二,本文提出一种基于二进制猫群优化算法的多载波系统认知引擎。通过改进猫群优化算法,使之适用于无线通信离散参数学习与多目标优化。文中在环境下建立多载波系统,并根据不同通信业务模式设置相应的多目标优化函数。仿真结果表明,该认知引擎能有效实现认知无线电多目标参数优化,且算法精度和稳定性均优于粒子群优化算法。145结合二进制猫群优化算法完成优化学习。该模型具有多个可配置参数,并根据不同通信模型设置相应优化函数权重。仿真结果表明,该认知引擎模型能有效完成多目标优化,实现多参数动态配置。自适应共振理论西南科技大学硕士研究生学位论文1为应对日益紧缺的无线频谱资源,认知无线电诞生并发展迅速。认知引等功能,以到达自适应满足环境变化和用户需求的目的。本文主要研究基于人工智能算法的认知无线电学习与优化技术,具体工作有以下三个方面。第一,本文提出一种基于联合与难巴评硪妗是并综合二者优点设计实现认知引擎。仿真结果表明,Modeler关键词:
.. ... ..
西南科技大学硕士研究生学位论文第页FAMandoptimization(Bcso)CSO猳multi-objjammingemerges,-adaptivelyenvironmentalpaperhasstudiedbased琣followingthreeaspects瑃ART1new琣itsbasic甎瑃PapertwoART,-ordingeffectivelyparameterstabilityThirdly,
.. ... ..
multi-objective西南科技大学硕士研究生学位论文1IIdynamicallyKey篶籧;and籄;optimizationCSO
.. ... ..
.:呒23310241ARTlFAM12自适应共振理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯网络数据聚类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.【吧瓒ā仿真流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯目标输出值估计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..FAM21FAM22仿真结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯及预测误差对比⋯⋯⋯⋯⋯⋯⋯⋯.及算法稳定性对比⋯⋯⋯⋯⋯⋯⋯..本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯西南科技大学硕士研究生学位论文第页2322122222313113127331332333341342
.. ... ..
诙艭的参数优化引擎设计⋯⋯⋯⋯⋯⋯⋯⋯⋯..CSO29CSO30CSO35认知无线电多目标参数优化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..认知无线电参数分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..42238场景一:基于的多载波系统⋯⋯⋯⋯⋯⋯⋯⋯.多载波认知无线电系统建模⋯⋯⋯⋯⋯⋯⋯⋯..多目标优化函数设置⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..49多目标优化函数设置⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4435344453本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯谢⋯⋯