درحال بارگذاري...
جستجو
جستجو در این منبع
ترتيب بر اساس
ارسال به دوستان
 فهرست محتوای دیجیتالی
 فهرست مطالب
 فهرست نقدها
  1. بهینه سازی پخت قطعات ضخیم کامپوزیتی با کمک شبکه عصبی
تخمین جهت ورود در سیستم‌ های مخابراتی با استفاده از شبکه‌ های عصبی عمیق
1679 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