DOA Estimation Using Neural Network with Levenberg-Marquardt Training
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 657
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0685
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
Direction of arrival (DOA) is a classic problem in the field of array processing and communications. In this work, we investigate the efficiency of Levenberg-Marquardt algorithm for neural network training in solving DOA problem. Numerical simulations have been carried out to make a comparison between the performance of the ordinary multi-layer perceptron (MLP) and MLP network with Levenberg-Marquardt training. The simulation results show that network with Levenberg-Marquardt training and fewer numbers of neurons outperforms MLP with gradient descent training in terms of mean square error (MSE). In fact, the ordinary MLP network with gradient descent training has failed to provide acceptable estimates for DOAs.
کلیدواژه ها:
نویسندگان
Seyyed Moosa Hosseini
Faculty of Electrical Engineering K. N. Toosi University of Technology
Vahid Rahmani
Faculty of Electrical Engineering K. N. Toosi University of Technology
Ramezanali Sadeghzadeh
Faculty of Electrical Engineering K. N. Toosi University of Technology
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :