Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "RBF" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 25
Tytuł:
Efficient training of RBF Neural Networks
Skuteczne szkolenie w zakresie sieci neuronowych radialnych funkcji bazowych (RBF)
Autorzy:
Różycki, Paweł
Kolbusz, Janusz
Bartczak, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/439791.pdf
Data publikacji:
2018
Wydawca:
Akademia Finansów i Biznesu Vistula
Tematy:
error correction
ErrCor
RBF networks
training algorithms
korekta błędów
sieci RBF
algorytmy szkolenia
Opis:
RBF networks seem to be an interesting and efficient alternative for traditional sigmoid-based neural networks. More sophisticated activation function makes a network more powerful but requires developing of new training methods. The paper presents a new more efficient training algorithm based on the second-order constructive ErrCor algorithm. The effectiveness of the proposed approach has been confirmed by several experiments with both approximation and classification problems.
Sieci radialnych funkcji bazowych (RBF) wydają się ciekawą i skuteczną alternatywą dla tradycyjnych sieci neuronowych opartych na sigmoidach. Bardziej zaawansowana funkcja aktywująca czyni sieć potężniejszą, ale wymaga opracowania nowych metod szkolenia. Artykuł przedstawia nowy, bardziej skuteczny algorytm szkolenia oparty na konstruktywnym algorytmie drugiego rzędu ErrCor. Skuteczność proponowanego podejścia została potwierdzona przez kilka eksperymentów zarówno z problemami aproksymacyjnymi, jak i klasyfikacyjnymi.
Źródło:
Kwartalnik Naukowy Uczelni Vistula; 2018, 2(56); 257-268
2084-4689
Pojawia się w:
Kwartalnik Naukowy Uczelni Vistula
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie uszkodzeń przekładni mostu napędowego z wykorzystaniem wstępnego przetwarzania sygnału drgań w połączeniu z sieciami neuronowymi typu RBF
Rear axle gear damage prediction using vibration signal preprocessing coupled with RBF neural networks
Autorzy:
Shao, Y.
Li, X.
Mechefske, Ch. K.
Chen, Z.
Powiązania:
https://bibliotekanauki.pl/articles/301429.pdf
Data publikacji:
2009
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
uszkodzenie
predykcja
sygnały drganiowe
sieć neuronowa typu RBF
damage
prediction
vibration signals
RBF neural network
Opis:
Przekładnia mostu pędnego stanowi kluczową część samochodowego układu przeniesienia napędu, a trafne przewidywanie uszkodzeń jest istotne dla bezpiecznego użytkowania samochodu. Jednakże precyzja przewidywania uszkodzenia przekładni jest obecnie niska ze względu na zmienne prędkości obrotowe i zmieniające się obciążenia występujące podczas używania pojazdu. W celu zredukowania zmienności drgań i zwiększenia trafności przewidywania trwałości resztkowej przekładni, w artykule zaproponowano nową metodę predykcyjną, która łączy sieć neuronową o radialnych funkcjach bazowych (RBF) i rekurencyjne przetwarzanie wstępne. Metoda rekurencyjnego przetwarzania wstępnego zmniejsza wpływ zmienności chwilowego obciążenia i prędkości na charakterystyczne parametry uzyskane z sygnałów drganiowych. Sieć neuronowa typu RBF modeluje nieliniowe charakterystyki przenoszenia napędu przez przekładnię mostu pędnego. Sieć taka charakteryzuje się zachowaniem samoadaptacyjnym i szybką zbieżnością. Wyniki badań symulacyjnych i eksperymentalnych pokazują, że ta nowa metoda może pozwolić na udoskonalenie tradycyjnych metod predykcyjnych oraz osiąganie wysokiej precyzji w przewidywaniu uszkodzeń przekładni mostu pędnego.
The rear axle gear is a key part of the automobile transmission system and accurate damage prediction is important for car safety. However, the precision of gear damage prediction is currently low because of the varying rotating speeds and the changing loads when a truck is in use. In order to reduce the fluctuation of vibrations and enhance the predicting accuracy of gear residual life, a new predictive method, which combines the Radial Basis Function (RBF) neural network with recursive preprocessing is proposed in this paper. The recursive preprocessing method reduces the effects of instantaneous load and speed fluctuations on the characteristic parameters extracted from vibration signals. The RBF neural network models the non-linear characteristics of the rear axle gear transmission. The RBF neural network is characterized by its self-adaptive behavior and its rapid convergence. The simulated and experimental results have shown that this new method can enhance traditional prediction methods and obtain high precision for the damage prediction of rear axle gears.
Źródło:
Eksploatacja i Niezawodność; 2009, 4; 57-64
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie powierzchni dna morskiego z wykorzystaniem sieci RBF
Modelling of the Sea Bottom Using RBF Networks
Autorzy:
Kozak, M.
Powiązania:
https://bibliotekanauki.pl/articles/906332.pdf
Data publikacji:
2005
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
numeryczny model terenu
sieci RBF
Inżynieria Ruchu Morskiego 2005
digital terrain model (DTM)
RBF networks
Opis:
Numeryczny model rzeźby terenu (NMT) ma coraz większe zastosowanie zarówno przy modelowaniu powierzchni lądowych, jak i dna morskiego oraz innych akwenów. Znajduje on również zastosowanie w nawigacji do oceny bezpieczeństwa żeglugi statku, w komputerowych programach symulacji ruchu statku, czy w nawigacji porównawczej do tworzenia mapy wzorców dna. W artykule przedstawiono badania służące zmniejszeniu liczby potrzebnych danych do wizualizacji powierzchni dna morskiego z wykorzystaniem sieci neuronowych RBF.
The Digital Terrain Model (DTM) has been used more and more often in modelling the land or the bottom of the sea and other water systems. It has been adopted in navigation to estimate the safety, in computer vessel traffic simulating programms and in comparative navigation to create the patterns of the bottom of the sea. This article presents the research in reducing the amount of data that is necessary for the visualisation of the bottom of the sea with the use of RBF networks.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2005, 6 (78); 235-241
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
RBF based quadrature on the sphere
Autorzy:
Kindelan, Manuel
González-Rodríguez, Pedro
Álvarez, Diego
Powiązania:
https://bibliotekanauki.pl/articles/2172102.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
RBF-FD based technique
quadrature
sphere
Opis:
The paper describes a new RBF-FD based technique to compute quadrature weights on the sphere. In the proposed method, the sphere is divided into rectangles in the latitude-azimuth coordinate system, and the function is integrated over each rectangle using RBF interpolation. The method is easy to implement and its accuracy is comparable to that based on SPH expansions. One advantage of the proposed method is its ability to handle non-uniform node distributions. On this respect, we propose a new algorithm to cluster nodes in regions of steep changes in the function. It is a repulsion-based algorithm with a non-uniform distribution of electrical charges. We show that, using node clustering, the accuracy of the method can be significantly improved.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2022, 32, 3; 467--479
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of the compressive strength of environmentally friendly concrete using artificial neural network
Autorzy:
Kulisz, Monika
Kujawska, Justyna
Aubakirova, Zulfiya
Zhairbaeva, Gulnaz
Warowny, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/38432692.pdf
Data publikacji:
2022
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
ANN
compressive strength
RCA
MLP
RBF
Opis:
The paper evaluated the possibility of using artificial neural network models for predicting the compressive strength (Fc) of concretes with the addition of recycled concrete aggregate (RCA). The artificial neural network (ANN) approaches were used for three variable processes modeling (cement content in the range of 250 to 400 kg/m3, percentage of recycled concrete aggregate from 25% to 100% and the ratios of water contents 0.45 to 0.6). The results indicate that the compressive strength of recycled concrete at 3, 7 and 28 days is strongly influenced by the cement content, %RCA and the ratios of water contents. It is found that the compressive strength at 3, 7 and 28 days decreases when increasing RCA from 25% to 100%. The obtained MLP and RBF networks are characterized by satisfactory capacity for prediction of the compressive strength of concretes with recycled concrete aggregate (RCA) addition. The results in statistical terms; correlation coefficient (R) reveals that the both ANN approaches are powerful tools for the prediction of the compressive strength.
Źródło:
Applied Computer Science; 2022, 18, 4; 68-81
1895-3735
2353-6977
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Some improvements in the reinforcement learning of a mobile robot
Uczenie ze wzmocnieniem robotów mobilnych - propozycje usprawnień
Autorzy:
Pluciński, M.
Powiązania:
https://bibliotekanauki.pl/articles/153411.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
uczenie ze wzmocnieniem
sieci neuronowe RBF
roboty mobilne
reinforcement learning
probabilistic RBF neural network
mobile robot
Opis:
The paper presents application of the reinforcement learning to autonomous mobile robot moving learning in an unknown, stationary environment. The robot movement policy was represented by a probabilistic RBF neural network. As the learning process was very slow or even impossible for complicated environments, there are presented some improvements, which were found out to be very effective in most cases.
W artykule zaprezentowane jest zastosowanie uczenia ze wzmocnieniem w poszukiwaniu strategii ruchu autonomicznego robota mobilnego w nieznanym, stacjonarnym środowisku. Zadaniem robota jest dotarcie do zadanego i znanego mu punktu docelowego jak najkrótszą drogą i bez kolizji z przeszkodami. Stan robota określa jego położenie w stałym (związanym ze środowiskiem) układzie współrzędnych, natomiast akcja wyznaczana jest jako zadany kierunek ruchu. Strategia robota zdefiniowana jest pośrednio za pomocą funkcji wartości, którą reprezentuje sztuczna sieć neuronowa typu RBF. Sieci tego typu są łatwe w uczeniu, a dodatkowo ich parametry umożliwiają wygodną interpretację realizowanego odwzorowania. Ponieważ w ogólnym przypadku uczenie robota jest bardzo trudne, a w skomplikowanych środowiskach praktycznie niemożliwe, stąd w artykule zaprezentowanych jest kilka propozycji jego usprawnienia. Opisane są eksperymenty: z wykorzystaniem ujemnych wzmocnień generowanych przez przeszkody, z zastosowaniem heurystycznych sposobów podpowiadania robotowi właściwych zachowań w "trudnych" sytuacjach oraz z wykorzystaniem uczenia stopniowego. Badania wykazały, że najlepsze efekty uczenia dało połączenie dwóch ostatnich technik.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 12, 12; 1470-1473
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
New type of neural networks for rendering graph points
Autorzy:
Nedbalek, J.
Powiązania:
https://bibliotekanauki.pl/articles/2069633.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Tematy:
description
gantt
graph
RBF 2
neural network
Opis:
The paper demonstrates new approach of rendering the graph point series called gantts. The gantts are placed in the two dimensional graph which contains the information about available production sources in the Real manufacturing process. The gantt is defined as one dimensional coloured dash which has unique position. To have the interaction with a user, gantts are accompanied with the description text giving detailed information about each gantt. All gantt descriptions must be displayed without overlapping with each other. To optimize this task, the modified version of the RBF neural network with biases is applied. With respect to the similarity to the RBF structure, the new type of neural network is named RBF 2. We also give the picture of positive and negative attributes of the solution based on the neural network architecture.
Źródło:
Journal of Polish Safety and Reliability Association; 2010, 1, 1; 181--186
2084-5316
Pojawia się w:
Journal of Polish Safety and Reliability Association
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dynamically positioned ship steering making use of backstepping method and artificial neural networks
Autorzy:
Witkowska, A.
Rynkiewicz, T. N.
Powiązania:
https://bibliotekanauki.pl/articles/260171.pdf
Data publikacji:
2018
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
backstepping
neural networks
RBF
dynamic ship positioning
Opis:
The article discusses the issue of designing a dynamic ship positioning system making use of the adaptive vectorial backstepping method and RBF type artificial neural networks. In the article, the backstepping controller is used to determine control laws and neural network weight adaptation laws. The artificial neural network is applied at each time instant to approximate nonlinear functions containing parametric uncertainties. The proposed control system does not require precise knowledge of the model of ship dynamics and external disturbances, it also eliminates the problem of analytical determination of the regression matrix when designing the control law with the aid of the adaptive backstepping procedure.
Źródło:
Polish Maritime Research; 2018, 4; 5-12
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Lan interconnection unit based on an artificial neural network
Autorzy:
Jalab, Hamid A.
Powiązania:
https://bibliotekanauki.pl/articles/1955324.pdf
Data publikacji:
2006
Wydawca:
Politechnika Gdańska
Tematy:
LAN bridge
neural networks
radial basis function (RBF)
Opis:
This paper presents the design of an intelligent interconnection unit based on an artificial neural network (ANN), used when two local area networks (LAN) with different IEEE 802 standard protocols are connected. The proposed ANN is used to activate execution of suitable procedures bridging 802.X LAN and 802.Y LAN.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2006, 10, 3; 339-346
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural Network based control of Robot Manipulator
Autorzy:
Ohri, Arnav
Salim, Salim
Powiązania:
https://bibliotekanauki.pl/articles/1075537.pdf
Data publikacji:
2019
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
RBF Neural Network
Robotic Manipulator
Sliding Mode Control
Opis:
This article proposes an RBFNN (Radial Basis Function Neural Network) and sliding mode based controller to manipulate the robot manipulator. The technique used has been based on a sliding mode control approach that can drive the system towards a sliding surface by Gaussian radial basis function neural network based tuned-controller.
Źródło:
World Scientific News; 2019, 121; 9-16
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural networks for function approximation in dynamic modelling
Autorzy:
Nedbálek, J.
Powiązania:
https://bibliotekanauki.pl/articles/2069707.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Tematy:
reliability
Monte Carlo
RBF neural network
simulation
temperature
Opis:
The paper demonstrates the comparsion of Monte Carlo simulation (MC) algorithm with the Radial Basis Function (RBF) neural network enhancement of the same algorithm in the reliability case study. In our test, we dispose of the tank containing liquid water – its temperature process variable evolves deterministicly according to the differential equation, which solution is known. All component failures are considered as a stochastic events. In the case of surpassing temperature treshhold of the liquid inside the tank, we interpret the situation as the system failure. With regard to process dynamics, we attempt to evaluate the tank system unreliability related to the initiative input parameters setting. The neural network is used in equation coeficients calculation, which is executed in each transient state. Due to the neural networks, for some of the initial component settings, we can achieve the results of computation faster than in classical way of coeficients calculating and substituting into the equation.
Źródło:
Journal of Polish Safety and Reliability Association; 2008, 2; 255--259
2084-5316
Pojawia się w:
Journal of Polish Safety and Reliability Association
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparative Application of Radial Basis Function and Multilayer Perceptron Neural Networks to Predict Traffic Noise Pollution in Tehran Roads
Autorzy:
Mansourkhaki, A.
Berangi, M.
Haghiri, M.
Powiązania:
https://bibliotekanauki.pl/articles/124655.pdf
Data publikacji:
2018
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
MLP
RBF
neural network
noise prediction
road traffic noise
Opis:
Noise pollution is a level of environmental noise which is considered as a disturbing and annoying phenomenon for human and wildlife. It is one of the environmental problems which has not been considered as harmful as the air and water pollution. Compared with other pollutants, the attempts to control noise pollution have largely been unsuccessful due to the inadequate knowledge of its effects on humans, as well as the lack of clear standards in previous years. However, with an increase of traveling vehicles, the adverse impact of increasing noise pollution on human health is progressively emerging. Hence, investigators all around the world are seeking to find new approaches for predicting, estimating and controlling this problem and various models have been proposed. Recently, developing learning algorithms such as neural network has led to novel solutions for this challenge. These algorithms provide intelligent performance based on the situations and input data, enabling to obtain the best result for predicting noise level. In this study, two types of neural networks – multilayer perceptron and radial basis function – were developed for predicting equivalent continuous sound level (LAeq) by measuring the traffic volume, average speed and percentage of heavy vehicles in some roads in west and northwest of Tehran. Then, their prediction results were compared based on the coefficient of determination (R2) and the Mean Squared Error (MSE). Although both networks are of high accuracy in prediction of noise level, multilayer perceptron neural network based on selected criteria had a better performance.
Źródło:
Journal of Ecological Engineering; 2018, 19, 1; 113-121
2299-8993
Pojawia się w:
Journal of Ecological Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuro-adaptive cooperative control for high-order nonlinear multi-agent systems with uncertainties
Autorzy:
Peng, Cheng
Zhang, Anguo
Li, Junyu
Powiązania:
https://bibliotekanauki.pl/articles/2055174.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
multiagent system
radial basis function
RBF neural network
sliding mode control
cooperative control
system wieloagentowy
radialna funkcja bazowa
sieć neuronowa RBF
sterowanie ślizgowe
Opis:
The consensus problem for a class of high-order nonlinear multi-agent systems (MASs) with external disturbance and system uncertainty is studied. We design an online-update radial basis function (RBF) neural network based distributed adaptive control protocol, where the sliding model control method is also applied to eliminate the influence of the external disturbance and system uncertainty. System consensus is verified by using the Lyapunov stability theorem, and sufficient conditions for cooperative uniform ultimately boundedness (CUUB) are also derived. Two simulation examples demonstrate the effectiveness of the proposed method for both homogeneous and heterogeneous MASs.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 635--645
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie przydatności sieci neuronowych typu GRNN i RBF do prognozowania poprawek dla krajowej skali czasu UTC(PL)
Comparison of the usefulness of GRNN and RBF neural networks for predicting the corrections for the national time scale UTC(PL)
Autorzy:
Sobolewski, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/154158.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sieci neuronowe GRNN
sieci neuronowe RBF
polska skala czasu UTC(PL)
zegar atomowy
GRNN neural network
RBF neural network
national timescale UTC(PL)
atomic clock
Opis:
W pracy przedstawiono wyniki badań sieci neuronowych typu GRNN zastosowanych do prognozowania poprawek dla krajowej skali czasu UTC(PL). Wyniki te porównano z wynikami otrzymanymi przy użyciu sieci neuronowej typu RBF, a także z wynikami otrzymanymi w GUM z zastosowaniem metody regresji liniowej. Prognozowanie poprawek prowadzono w oparciu o metodę regresji dla danych wejściowych powstałych na bazie dwóch szeregów czasowych sc1 (bez eliminacji trendu opisanego równaniem regresji liniowej) oraz sc2 (z eliminacją tego trendu). Prognozy zostały wykonane na 15 dzień dla 5 kolejnych miesięcy 2008 począwszy od stycznia (MJD 54479) do maja (MJD 54599) Z przeprowadzonych badań wynika, że otrzymane wartości błędu prognozy dla sieci neuronowej typu GRNN są zdecydowanie gorsze od błędów prognozy otrzymanych przy użyciu sieci neuronowej typu RBF.
The paper discusses the results of comparison of the usefulness of GRNN and RBF neural networks for predicting the corrections for the national time scale UTC(PL). The first chapter describes the national time scale UTC(PL), and also presents the problem of maintaining the best compatibility of the UTC(PL) with UTC. The second chapter describes the basic idea and principle of operation of the GRNN neural networks. The third chapter shows how the input data for the neural networks was prepared. Based on historical measurement data from the cesium atomic clock Cs2 and corrections of the UTC(PL) relative to UTC two time series (ts1 and ts2) were prepared, which were the basis for determining the input data for the neural networks. The fourth chapter describes the research results. The obtained research results shown that in the case of predicting the corrections for the polish time scale UTC(PL) using GRNN and RBF neural networks and the input data based on time series ts1 prediction errors have reached very large values. Predicting the corrections for the UTC(PL) based on time series ts2 was carried out in two ways. The first method assumed using the input data prepared on the basis of time series ts2 with values of two coefficients a0 and a1, which are the coefficients of linear regression equation. In the second case only coefficient a1 was used with the input data prepared on the basis of time series ts2. The best results was obtained using RBF neural network for the input data prepared on the basis of time series ts2 with a1 coefficient. For the GRNN neural network the obtained value of maximum prediction error for both method of data preparation was larger than in the case of using RBF neural network. Obtained values of prediction errors using GRNN neural network are on the same level with prediction errors obtained in the GUM using linear analytical regression method.
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 11, 11; 972-974
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An Efficient ANN Interference Cancelation for High Order Modulation over Rayleigh Fading Channel
Autorzy:
Bouguerra, F.
Saidi, L.
Powiązania:
https://bibliotekanauki.pl/articles/308382.pdf
Data publikacji:
2018
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
adaptive filter
channel equalization
M-QAM
MLP
RBF
symbol decision making
Opis:
High order modulation (HOM) presents a key challenge in increasing spectrum efficiency in 4G and upcoming 5G communication systems. In this paper, two non-linear adaptive equalizer techniques based on multilayer perceptron (MLP) and radial basis function (RBF) are designed and applied on HOM to optimize its performance despite its high sensitivity to noise and channel distortions. The artificial neural network’s (ANN) adaptive equalizer architectures and learning methods are simplified to avoid more complexity and to ensure greater speed in symbol decision making. They will be compared with the following popular adaptive filters: least mean square (LMS) and recursive least squares (RLS), in terms of bit error rate (BER) and minimum square error (MSE) with 16, 64, 128, 256, 512 and 1024 quadrature amplitude modulation (QAM). By that, this work will show the advantage that the MLP equalizer has, in most cases, over RBF and traditional linear equalizers.
Źródło:
Journal of Telecommunications and Information Technology; 2018, 4; 75-80
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 25

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies