Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://lib.kart.edu.ua/handle/123456789/5041
Назва: Дослідження імовірнісного розподілу службових сигналів в когнітивному радіо
Інші назви: Research of probability distributions signaling in cognitive radio
Автори: Лисечко, Володимир Петрович
Обіход, Ярослав Якович
Олефіренко Тетяна Миколаївна
Lysechko, V. P.
Obikhod, Y. Y.
Olefіrenko, Т. М.
Ключові слова: когнітивне радіо
радіочастотний ресурс
WiMAX
LTE
нейронна мережа (НС)
самоорганізаційна карта Кохонена (СКК)
cognitive radio
the radio resource
WiMAX
LTE
neural network
self-organizing Kohonen map (SOKM)
Дата публікації: 2015
Видавництво: Український державний університет залізничного транспорту
Бібліографічний опис: Лисечко В. П. Дослідження імовірнісного розподілу службових сигналів в когнітивному радіо / В. П. Лисечко, Я. Я. Обіход, Т. М. Олефіренко // Інформаційно-керуючі системи на залізничному транспорті. - 2015. - № 6. - С. 51-54.
Короткий огляд (реферат): UA: У статті розглядається нейронна мережа у вигляді самоорганізаційної карти Кохонена як метод структурування сервісних сигналів стандарту IEEE 802.22. Розглянуто нейронну мережу СКК як когнітивний рівень в класифікації службових сигналів стандарту IEEE 802.22. Було побудовано імітаційну модель в середовищі розробки MATLAB. Результат даної роботи показав, що СКК здатна кластеризувати складні сигнали, що, в свою чергу, вирішує задачу, яка була поставлена.
EN: The article discusses a neural network in the form of self-organizing Kohonen maps (SOKM) as a method of structuring the service signals of the standard IEEE 802.22. Examined the neural network of the SOKM as a cognitive level classification signaling standard IEEE 802.22. It was built simulation model considered in the development environment MATLAB. Implemented training Hebb rule is defined as a training sample 8 randomly-generated sequences. Hebb rule change provides connections in one direction only, which in this case could lead to a wrong determination of the values of the weights. To avoid this, the concept entered by smoothing function. The complexity of the input of the space was taken in a simplified way due to the limited amount of computing resources. To simulate a real input sequence should review the amount of the input stream and determine the appropriate computing resources for data flows. The result of this work showed that the SOKM is able to cluster complex signals, in turn solves the problem, which was staged.
URI (Уніфікований ідентифікатор ресурсу): http://lib.kart.edu.ua/handle/123456789/5041
ISSN: 1681-4886 (рrint); 2413-3833 (online)
Розташовується у зібраннях:№ 6

Файли цього матеріалу:
Файл Опис РозмірФормат 
Lysechko.pdf162.01 kBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.