استفاده از الگوریتم Bayesian regularization در شبکه های عصبی MLP،جهت رمز گشایی کدهایی با ماتریس پریتی_چک کم_چگالی
محل انتشار: پنجمین کنفرانس ملی مهندسی برق و الکترونیک ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,666
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- 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:
ICEEE05_006
تاریخ نمایه سازی: 3 آذر 1392
چکیده مقاله:
کدچک هایی باتراکم برابر LDPC ازجمله کدبلوکهایی بسیارمهمی هستند که درجهت نشان دادن مفهوم تئوری شانون توسعه یافتند تاکنون الگوریتم های مختلفی برای دیکدکردن این کدها معرفی شده اند ازانجا که بسیاری ازاین الگوریتم ها براساس احتمالهای تصادفی کارمیکنند هیچکدام ازآنها به حالت ایده ال خود نرسیده اند اخیرا نیز ازشبکه های عصبی چندلایه پرسپترون با الگوریتم Levenberg-Marquardt(LM جهت رمزگشایی این نوع ازکدها استفاده شده است دراین مقاله نشان میدهیم که با کمک الگوریتم Bayesian regularization(BR) که روش بسیارقویتر ازروشهای استاندارد پس انتظار است میتوان به نتایج بهتری درجهت رمزگشایی کدهای LDPC دست یافت
کلیدواژه ها:
نویسندگان
نادیا احمدی
دانشگاه آزاد اسلامی واحد قزوین،ایران
جلیل پاکدامن
دانشکده فنی پروفسور حسابی شیروان
دانیال ذوالفقاری
شرکت ارتباطات زیر ساخت بجنورد
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 :