سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

جبران سازی دیجیتال مبتنی بر شبکه عصبی GRNN

Publish Year: 1388
Type: Conference paper
Language: Persian
View: 1,412

This Paper With 9 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ISCEE12_026

Index date: 19 March 2009

جبران سازی دیجیتال مبتنی بر شبکه عصبی GRNN abstract

با توجه به ساختار کانال های مخابراتی، ارسال و دریافت اطلاعات دیجیتال تحت تأثیر نویز موجود در کانال و تداخل سمبلهای کناری واقع شده و به همین دلیل اطلاعات ارسالی دچار خطا می گردد. جهت جبران اثر نویز و تداخل از جبران ساز استفاده می شود. با توجه به غیر خطی بودن مسأله جبران سازی و با توجه به ویژگی های فیلترینگ و غیر خطی که در شبکه های عصبی مصنوعی وجود دارد، در این مقاله سعی برآن است که یک جبران ساز مبتنی بر شبکه عصبی GRNN ارائه شود. نشان داده شود که جبران ساز دیجیتال مبتنی بر شبکه عصبی GRNN به پارامتر پهنای توابع گوسی که در مراکز شبکه GRNN استفاده می شوند حساسیت زیادی ندارد و نشان خواهیم داد که می توان وزن ها را با یک جایگزینی ساده و سریعتر نسبت به سایر روش ها آموزش داد.

جبران سازی دیجیتال مبتنی بر شبکه عصبی GRNN Keywords:

آموزش شبکه عصبی GRNN آموزش وزن ها , جبران ساز GRNN

مقاله فارسی "جبران سازی دیجیتال مبتنی بر شبکه عصبی GRNN" توسط عزیزاله جمشیدی؛ آناهیتا غزنوی جهرمی؛ سجاد مشرف دهکردی؛ محمدعلی شاکری اسدی نوشته شده و در سال 1388 پس از تایید کمیته علمی دوازهمین کنفرانس دانشجویی مهندسی برق ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله آموزش شبکه عصبی GRNN آموزش وزن ها، جبران ساز GRNN هستند. این مقاله در تاریخ 29 اسفند 1387 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1412 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که با توجه به ساختار کانال های مخابراتی، ارسال و دریافت اطلاعات دیجیتال تحت تأثیر نویز موجود در کانال و تداخل سمبلهای کناری واقع شده و به همین دلیل اطلاعات ارسالی دچار خطا می گردد. جهت جبران اثر نویز و تداخل از جبران ساز استفاده می شود. با توجه به غیر خطی بودن مسأله جبران سازی و با توجه به ویژگی ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله جبران سازی دیجیتال مبتنی بر شبکه عصبی GRNN با 9 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.