GSM-GPRS網(wǎng)絡優(yōu)化智能決策支持系統(tǒng)中若干技術的研究與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩86頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、近年來中國移動通信用戶規(guī)模增長很快,網(wǎng)絡優(yōu)化已成為移動通信運營商日常的重要工作之一.GSM/GPRS網(wǎng)絡優(yōu)化智能決策支持系統(tǒng)是針對中國移動的GSM/GPRS網(wǎng)絡和中國聯(lián)通的GSM網(wǎng)絡而開發(fā)的輔助網(wǎng)優(yōu)人員進行日常網(wǎng)絡優(yōu)化的智能軟件.無線信號場強預測和網(wǎng)絡優(yōu)化數(shù)據(jù)管理是GSM/GPRS網(wǎng)絡優(yōu)化智能決策支持系統(tǒng)的重要組成部分.精確的場強預測是覆蓋控制和頻率優(yōu)化的關鍵.網(wǎng)優(yōu)數(shù)據(jù)管理部分是整個系統(tǒng)運行的基礎.該文介紹了傳統(tǒng)流水線回歸神經(jīng)網(wǎng)絡絡(P

2、ipelined Recurrent Neural Networks,PRNN)的網(wǎng)絡結構,給出了該神經(jīng)網(wǎng)絡的梯度下降算法.進一步該文擴展了傳統(tǒng)PRNN的網(wǎng)絡結構,使其適用于動態(tài)系統(tǒng)辨識,并提出一種基于最小二乘法的PRNN訓練學習算法.通過所給多個動態(tài)系統(tǒng)辨識例子仿真試驗表明,改進后的PRNN較之傳統(tǒng)基于梯度下降學習算法的PRNN在網(wǎng)絡學習收斂速度和數(shù)據(jù)預測精度等方面都有一定程度提高.利用改進型PRNN,我們設計實現(xiàn)了自適應蜂窩移動通信

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論