基于mr的網絡性能評估及其優(yōu)化方法-資料下載頁
2025-05-02 00:25本頁面
【正文】 x n y 1 y 2 y m 11? f f f ?21 ?22 ?2m f f f ?q1 ?q2 ?qm f f f 111w wq11 112w 11 nw 12? 11n? 211w 121w 212w ?具有高速尋優(yōu)的能力 ?能夠同時處理定量、定性知識； 利用 MR進行直放站室分監(jiān)控 36 利用神經網絡進行室內 MR數(shù)據(jù)分離流程 輸出參數(shù)確定 絡學習樣本的獲得 絡模型的建立 經網絡進行 MR分離應用 利用 MR進行直放站室分監(jiān)控 37 利用神經網絡進行室內 MR數(shù)據(jù)分離流程 輸出參數(shù)確定 絡學習樣本的獲得 絡模型的建立 經網絡進行 MR分離應用 ?樣本點要有明確的特征 不能將混淆在一起無法標識室內室外的 MR數(shù)據(jù)作為訓練樣本，所取樣本應很明確的知道哪些樣本點是室內 MR、哪些樣本點是室外MR，因此，在采集樣本時候應在室內、室外分別采集。 ?樣本點要有代表性 要選能夠代表本地環(huán)境的樣本區(qū)域進行采集。無論室內室外采樣都應該結合本地特征，選擇具有代表性的區(qū)域進行采集，從而使得訓練后的神經網絡系統(tǒng)在區(qū)分本地 MR數(shù)據(jù)的時候準確度更高。 利用 MR進行直放站室分監(jiān)控 38 利用神經網絡進行室內 MR數(shù)據(jù)分離流程 輸出參數(shù)確定 絡學習樣本的獲得 絡模型的建立 經網絡進行 MR分離應用 針對符合篩選要求的訓練樣本點，對其分配為兩部分；其一，學習數(shù)據(jù)，用來訓練神經網絡模型；其二，檢驗數(shù)據(jù)，用來檢驗神經網絡模型區(qū)分的置信度。根據(jù)用戶對置信度的要求，需要反復調整神經網絡系統(tǒng)的參數(shù)，直至滿足用戶的置信度要求，即可用來對未知的 MR數(shù)據(jù)進行分離，其分離的置信區(qū)間可從檢驗樣本的檢驗結果獲得。 利用 MR進行直放站室分監(jiān)控 39 利用神經網絡進行室內 MR數(shù)據(jù)分離流程 輸出參數(shù)確定 絡學習樣本的獲得 絡模型的建立 經網絡進行 MR分離應用 固化訓練完成的神經網絡系統(tǒng)的所有參數(shù)，對現(xiàn)網混合在一起的室內室外 MR原始數(shù)據(jù)，利用已建立的神經網絡系統(tǒng)進行判斷，將室內 MR數(shù)據(jù)從所有數(shù)據(jù)中分離出來 利用 MR進行直放站室分監(jiān)控 40 利用MR進行監(jiān)控的流程 開 始采 集 所 有 小 區(qū) M R原 始 數(shù) 據(jù)小 區(qū) 下是 否 有 直 放 站利 用 神 經 網 絡 分 離是 否 在直 放 站 覆 蓋 范 圍內對 分 離 的 室 內 M R點 趨 勢 統(tǒng) 計 分 析點 數(shù) 突 變測 量 值 突 變有 源 器 件 故 障部 分 無 源 器 件 故 障下 一 個 M RYNYNNNYY下 一 個 小 區(qū)小 區(qū) M R 點 是 否分 析 完是 否 所 有 小 區(qū)分 析 完根 據(jù) 問 題 嚴 重 性 安排 人 工 現(xiàn) 場 測 試結 束利用 MR進行直放站室分監(jiān)控 41 流程關鍵步驟處理方法 監(jiān)控區(qū)域過濾 ? 過濾目的： 排除無關的MR，加快運算速度 ? 過濾方法： 根據(jù)直放站經緯度及 MR定位精度選擇目標范圍內 MR點 分離室內 MR ? 分離方法： 利用神經網絡進行學習、建模、分離 ? 分離置信度：根據(jù)需要選擇神經網絡置信度區(qū)間 室分問題判定 ? 點數(shù)判定法 ：對 MR點數(shù)趨勢分析，監(jiān)控網絡問題 ? 指標判定法 ：對 MR指標值監(jiān)控分析，判定網絡問題
環(huán)評公示相關推薦
鄂ICP備17016276號-1