摘要
基于自适应图结构的频谱智能预测方法、系统、设备及介质,方法包括:利用排队论构建频谱占用数据,将该数据分为训练集和测试集;将所述的训练集进行相关性分析构建固定邻接矩阵,使用自适应图学习方法构建自适应邻接矩阵,将这两种邻接矩阵结合得到最终邻接矩阵,图卷积网络利用最终的邻接矩阵提取数据的频域相关性,将结果传入双向长短期记忆网络;利用双向长短期记忆网络提取数据的时域相关性,得到预测数据;计算预测数据和训练集的误差反向训练图卷积和双向长短期记忆网络,完成训练后,将测试集输入到完成训练的图卷积网络中得到预测结果;本发明能够学习频谱数据的频域和时域相关性,实现对未来频谱状态的预测,可应用于无线电技术领域。
技术关键词
双向长短期记忆
智能预测方法
长短期记忆神经网络
皮尔逊相关系数
训练集数据
频谱占用状态
ReLU函数
概率分布函数
变量
学习方法
信道
卷积神经网络提取
记忆单元
智能预测系统
卷积网络模型
误差反向传播
参数
系统为您推荐了相关专利信息
光伏逆变器
LSTM模型
斯皮尔曼相关系数
注意力
GPR模型
桥梁挠度
剥离方法
核密度估计方法
皮尔逊相关系数
概率密度函数
临床检验数据
数据输入模块
天门冬氨酸氨基转移酶
丙氨酸氨基转移酶
标志物
智能交互方法
多模态
动态场景
调度算法
语音情感分析
视频生成模型
双向长短期记忆网络
姿势
音频编码器
视频生成方法