Upload
hashim-lucas
View
29
Download
1
Embed Size (px)
DESCRIPTION
Final Presentation. Network Software System Lab Department of Electrical Engineering, Technion. R. C. N. R. M. N. R andom N eural N etworks for C ognitive R adio M odeling. Oz Itzhaki. Jonathan Nafta. Supervisor: Boris Oklander. מבוא. - PowerPoint PPT Presentation
Citation preview
Final Presentation
Network Software System LabDepartment of Electrical Engineering, Technion
Oz Itzhaki Jonathan Nafta
Supervisor: Boris Oklander
R
N
N
C
R
M
Random Neural Networks for Cognitive Radio Modeling
מבואאקראיות • נוירונים רשתות
(RNN )מתמטי מודל הן. נוירונים רשתות של חישובי
הנוירונים • רשתות מודללתיאור ניתן האקראיות
אנליטיות משוואות באמצעותסיבוכיות, בעל הוא רגילות , לשילוב ניתן נמוכה חישוב
בצורה ובתוכנה בחומרה. יחסית פשוטה
הנוירונים • רשתות מודלבשל מעניין האקראיות
לבצע שניתן הרבים השימושיםההנדסה בתחומי באמצעותו
והפיסיקה.
הפרויקט מטרות
ומלאכותיות • אקראיות נוירונים רשתות מודל של התאמה
. קוגנטיבי רדיו מערכות למידול
המשלבת • סביבה - RNNמימוש - CRNו ביצוע Matlabב לצורך. השונים הפרויקט שלבי
•. קוגניטיביות רדיו רשתות של אופטימיזציה
•. ביצועים חקר
Cognitive Radio Networks (CRN)
המתמטי המודל• N. ברשת נוירונים
•: מעורה יהיה שנוירון ההסתברות
:iההסתברות של שחרור פוטנציאל מנוירון •
נוירון מעורה יורה סיגנלים בקצב:•
:iקצב הירי הכולל מנוירון •
1
[ ( , ) ( , )] ( ) 1N
j
p i j p i j d i
( ) Pr[ ( ) 0] 1i iq t k t
( , ) ( , ) 0
( , ) ( , ) 0
i
i
i j r p i j
i j r p i j
1
1
(1 ( )) [ ( , ) ( , )]N
ij
r d I i j i j
יציב במצב הרשת התנהגות•: יציב במצב הנוירונים רשת של הסטציונרי הפילוג
• - ' קולמוגורוב פמן צ משוואת מתקיימות ולכן רציב בזמן מרקוב שרשרת מתאר הפילוג: האיזון תנאי מתקיים יציב ובמצב
•: מתקיים המשוואות מפיתוח
lim Pr( ( ) ) lim ( , )t tt t k k k
{ 0}1
{ 0}
1 { 0} { 0}1
( ) ( )
( ) ( ) ( ) ( )
( ) ( , ) ( ) ( , ) ( ) ( , )
i
i
j j
N
i i i ki
i i i i k i iN
N
i ij i k ij i i i kj
r
rd i
r p i j r p i j r p i j
k 1
k k 1 k
k 1 k k 1
( )min{1, }
( )ii
iq
r i
1 1
( ) ( ) (1 ) i
N Nk
i i i ii i
k q q
k
הגרדיאנט – אלגוריתם לומדות מערכתרציפה • לפונקציה ראשון מסדר אופטימיזציה מבצע הגרדיאנט אלגוריתם
למקוטעין.
•: הבא באופן שתוגדר השגיאה את למינימום להביא היא האלגוריתם מטרת
הסף • מערך קטן השגיאה גודל אשר עד איטרציה בכל מתעדכנים הרשת משקולותשהוגדר:
21 1
1
2
K N
i i ik ikk n
E c f q y
1
1
( , ) ( , )( , )
Ni ik
i i ik iki
f qw u v w u v c f q y
w u v
הגרדיאנט אלגוריתם ביצוע שלבי.1. הלימוד קצב פרמטר וקביעת המשקולות מטריצת איתחול
.2: - יציאה כניסה צמד כל עבור
ההגעה. קצבי את איתחול .א המתאימות לכניסות בהתאם
ערכי. מציאת ב
, את. נחשב שהתקבלו הערכים סמך על ג
את. : נחשב ד
. המשקולות. מטריצת עדכון ה
3. הנדרש. הסף בערך עמדנו ולא במידה נוספת באיטרציה והמשך השגיאה חישוב
,i i
( ) , ( ) , ii i q
, ( , ) , ( , )W u v u v
,( , ) ( , )
q q
w u v w u v
המערכת מידול
1 ,( )
0 ,i channel is busyc n
channel is free
1
( ) 1ˆ ( ) (1 )
1
Ni
i i i
c np n p
N
Sample
Cha
nnel
1 2 3 4 5 6 7 8 9 10
1
2
3
4
( )X n
( )Y n
( 1)X n ( 2)X n( 1)Y n ( 2)Y n
Sample
Channel
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
1
2
3
4
5
6
7
8
9
10
Sample
Channel
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
1
2
3
4
5
6
7
8
9
10
Sample
Cha
nnel
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
0.5
1
1.5
2
2.5
3
3.5
4
4.5
Sample
Cha
nnel
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
0.5
1
1.5
2
2.5
3
3.5
4
4.5
הרשת תכונותMemory
Cor
rela
tion
הרשת - ביצועי Rewardהגדרת
1
( ) ( )N
i
i
R n R n
הנוירונים רשת מבנה1
2
3
4
5
6
7
8
9
10
11
12
INP
UT
OU
TP
UT
Magic …
1
0
0
0
1
0
0
0
1
1
0
0 1ˆn nC f C
סימולציה - RNNתוצאות
**************************************************************************** Test Results: 55 misses out of 49990. error rate 0.110022% * * Channel Selection: 3 misses out of 4999 error rate 0.060012% * ***************************************************************************
ערוצים 4עם RNNדוגמא:
נויורונים בשכבה הנסתרת24•.0.0032שגיאת הלימוד של המודל הינה • דק'.31:32משך זמן הלימוד: •.38מספר האיטרציות הינו •
הרעש בשונות כתלות חיזוי שגיאת
, הפנוי הערוץ חיזוי טעות גדלה כך גדל במערכת שהרעש ככל טבעי באופןהבא
נוספות רשתות
Error rate 1.3%-1.8%
Error rate 16.2%-17.24%
הערוצים • בין חזקה סטטיסטית תלות
ברשת • כללי עומס מצבי הדמיית
מלאכותיות נוירונים רשתות• - ב Matlab Neural Networkשימוש
Toolbox
•GUI הרשת אימון בזמן
באלגוריתם • Levenberg-Marquardtשימושאדפטיבי מומנט עם ובהרחבתו
תרחיש • מכל משמעותית קצר התכנסות זמן - ב RNNשהרצנו
במרבית • יותר טובות או זהות תוצאותהמקרים
הרצת ANNתוצאות
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000-3
-2
-1
0
1
2
3
4
Time [n]
Rew
ard
Cn (sum of network states) vs. R
n (Reward)
Rn
Cn
error rate: 10.9%
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000-1
-0.5
0
0.5
1
1.5
2
2.5
3
3.5
4
Time [n]
Rew
ard
Cn (sum of network states) vs. R
n (Reward)
Rn
Cn
error rate: 0.49%
סיכום• , , לחיזוי ומלאכותיות אקראיות נוירונים ברשתות השימוש התכנות נבדקה
קוגנטיביות רדיו מערכות
ביצועיהן • ונבחנו שונים פרמטרים עם מודלים של רב מספר נבדקו
• , מימוש תלוי הוא והדבר יתכן אך יותר מהיר המלאכותיות הנוירונים רשת מודלהאקראיות הנוירונים רשתות מערכת של
המודלים • באמצעות קטנים שגיאה אחוזי עם טובה חיזוי לתוצאת להגיע ניתןהנבדקים
! זמנכם על תודה