درحال بارگذاري...
جستجو
جستجو در این منبع
ترتيب بر اساس
ارسال به دوستان
 فهرست محتوای دیجیتالی
 فهرست مطالب
 فهرست نقدها
  1. طراحی و بهینه‌سازی آنتن MIMO بااستفاده ازفراسطح برای امواج میلی‌متری 5G
تخمین جهت ورود در سیستم‌ های مخابراتی با استفاده از شبکه‌ های عصبی عمیق
0 مرتبه مشاهده شده

تخمین جهت ورود در سیستم‌ های مخابراتی با استفاده از شبکه‌ های عصبی عمیق

علیخانی، مرتضی Alikhani, Morteza

  1. شماره پایان نامه:56641
  2. کد دانشکده:05
  3. پديدآور: علیخانی، مرتضی
  4. عنوان:تخمین جهت ورود در سیستم‌ های مخابراتی با استفاده از شبکه‌ های عصبی عمیق.
  5. نام دانشگاه/پژوهشگاه:صنعتی شریف
  6. سال اخذ مدرك:1402.
  7. نام دانشکده:مهندسی برق
  8. مقطع:کارشناسی ارشد
  9. گرایش:مخابرات - سیستم
  10. توصیف ظاهری:102ص.: جدول، نمودار، کتابنامه؛ چکیده به فارسی و انگلیسی
  11. توصیفگر: تخمین زاویه ورود سیگنال Direction of Arrival (DOA)Estimation
  12. توصیفگر: آرایه خطی یکنواخت Uniform Linear Array (ULA)
  13. توصیفگر: یادگیری عمیق Deep Learning
  14. توصیفگر: شبکه های عصبی بازگشتی Recurrent Neural Networks
  15. توصیفگر: شبکه های دنباله به دنباله Sequence-to-Sequence Network
  16. توصیفگر: آنتن آرایه فازی Phased Array Antenna
  17. توصیفگر: تخمین حداکثر درست نمایی Maximum Likelihood Estimation
  18. استاد راهنما. بهروزی، حمید
  19. استاد راهنما. کرباسی، محمد

 فهرست محتوای دیجیتالی

 فهرست مطالب

  • مقدمه
    • تعریف مسئله
    • اهمیت موضوع
    • اهداف پژوهش
    • دستاوردهای پایان‌نامه
    • ساختار پایان‌نامه
  • مفاهیم اولیه
    • تخمین جهت ورود و شبکه‌‌ی آنتی ULA
    • ناکاملی‌ها و وابستگی بین سیگنالی
    • متریک‌های مختلف ارزیابی
      • متریک MAE
      • متریک RMSE
    • شبکه‌های عصبی بازگشتی به عنوان دسته‌بندهای دنباله‌ای
    • شبکه‌های دنباله به دنباله
  • مرور ادبیات
    • روش‌های سنتی
      • الگوریتم MUSIC
    • روش‌های مبتنی بر یادگیری ماشین و یادگیری عمیق
  • تخمین جهت ورود به کمک یادگیری عمیق
    • آموزش و ارزیابی شبکه‌های عصبی بازگشتی به عنوان دسته‌بندهای دنباله‌ای
    • آموزش و ارزیابی شبکه‌های دنباله به دنباله
    • ‫تهیه‌ی مجموعه‌ی داده‌های مختلف
      • ‫ مجموعه داده‌ی 1
      • ‫ مجموعه داده‌ی 2
      • ‫ مجموعه داده‌ی 3
      • ‫ مجموعه داده‌ی 4
      • ‫ مجموعه داده‌ی 5
      • ‫ مجموعه داده‌ی 6
    • ایجاد یک پروژه‌ی برنامه‌نویسی کامل و مفصل به زبان پایتون
  • نتایج
    • نتایج مدل‌های آموزش داده شده روی هر مجموعه داده
      • نتایج مدل‌های آموزش داده شده روی مجموعه داده‌ی 1
      • نتایج مدل‌های آموزش داده شده روی مجموعه داده‌ی 2
      • نتایج مدل‌های آموزش داده شده روی مجموعه داده‌ی 3
      • نتایج مدل‌های آموزش داده شده روی مجموعه داده‌ی 4
      • نتایج مدل‌های آموزش داده شده روی مجموعه داده‌ی 5
      • نتایج مدل‌های آموزش داده شده روی مجموعه داده‌ی 6
    • مقایسه‌ی مدل‌های برگزیده شده با یکدیگر و با روش‌های دیگر تخمین جهت ورود
  • نتیجه‌گیری
  • مراجع
  • واژه‌نامه
...ادامه

 فهرست نقدها