Spectrum prediction based on improved-back-propagation neural networks

Bai, Suya; Zhou, Xin; Fei, Xu

doi:10.1109/icnc.2015.7378129

Cited by 22 publications

(11 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Para sistemas cognitivos en (Bai et al, 2014) se hace uso de una red neuronal de propagación hacia atrás para predecir el estado del espectro, y en (Kunwei et al, 2014;Bai et al, 2015) se optimiza la red neuronal con un algoritmo genético. También, en (Iliya et al, 2014) una red neuronal pronostica la potencia en las bandas de televisión y GSM900.…”

Section: Modelo Neuronal Waveletunclassified

Pronóstico de Oportunidades de Espectro Radioeléctrico en una Red Móvil con base en el Modelo de Propagación Interino de la Universidad de Stanford

2018

View full text Add to dashboard Cite

Se presenta el desarrollo de un método que identifica las oportunidades de espectro radioeléctrico en un canal de una red celular móvil para un entorno urbano usando el pronóstico de potencia de la señal recibida. El pronóstico de ocupación de espectro radioeléctrico ha demostrado ser útil en el diseño de sistemas inalámbricos capaces de aprovechar las oportunidades de espectro, como la radio cognitiva, que es una de las tecnologías que se incluye en el Internet de las cosas. El método propuesto integra el modelo de propagación a gran escala Interino de la Universidad de Stanford con un modelo neuronal de onda wavelet. Los resultados del método son consistentes con el comportamiento observado en experimentos realizados en sistemas inalámbricos de este tipo. El modelado desarrollado en el canal de la banda del sistema global para las comunicaciones móviles puede contribuir a que los usuarios de radio cognitiva compartan canales y eviten colisiones.

show abstract

Section: Modelo Neuronal Waveletunclassified

Pronóstico de Oportunidades de Espectro Radioeléctrico en una Red Móvil con base en el Modelo de Propagación Interino de la Universidad de Stanford

2018

View full text Add to dashboard Cite

show abstract

“…For cognitive systems in [27] a backpropagation neural network is used to predict the state of the spectrum; also in [28,29] a genetic algorithm was used to optimize the neural network. In [30] a neural network was utilized to forecast the power of television and GSM-900 bands.…”

Section: Wavelet Neural Modelmentioning

confidence: 99%

A Model to Determine the Propagation Losses Based on the Integration of Hata-Okumura and Wavelet Neural Models

Martínez

Hernández

López

2017

International Journal of Antennas and Propagation

View full text Add to dashboard Cite

Radioelectric spectrum occupancy forecast has proven useful for the design of wireless systems able to harness spectrum opportunities like cognitive radio. This paper proposes the development of a model that identifies propagation losses and spectrum opportunities in a channel of a mobile cellular network for an urban environment using received signal power forecast. The proposed model integrates the Hata-Okumura (H-O) large-scale propagation model with a wavelet neural model. The model results, obtained through simulations, show that the wavelet neural model forecasts with a high degree of precision, which is consistent with the observed behavior in experiments carried out in wireless systems of this type.

show abstract

“…Also, author designed three ANN models with different hidden layers and having multiple neurons. From the Simulation results it is observed that the results of ANN model 3 are more accurate than the ANN model 1 and ANN model 2 [44] In [45], the author used Improved-Back-Propagation Neural Network for the Prediction of unused Spectrum to mitigate the problems which occurred by using the Conventional Back-Propagation Neural Network. The Back-Propagation Neural Network enhanced by the gradient momentum descent algorithm and the genetic algorithm.…”

Section: Machine Learning Models/techniques Proposed For Implementatimentioning

confidence: 99%

A Survey on Cognitive Radio Network using Artificial Neural Network

Waqar

Khadim²,

Zeb³

et al. 2017

IJFGCN

View full text Add to dashboard Cite

show abstract

Spectrum prediction based on improved-back-propagation neural networks

Cited by 22 publications

References 8 publications

Pronóstico de Oportunidades de Espectro Radioeléctrico en una Red Móvil con base en el Modelo de Propagación Interino de la Universidad de Stanford

Pronóstico de Oportunidades de Espectro Radioeléctrico en una Red Móvil con base en el Modelo de Propagación Interino de la Universidad de Stanford

A Model to Determine the Propagation Losses Based on the Integration of Hata-Okumura and Wavelet Neural Models

A Survey on Cognitive Radio Network using Artificial Neural Network

Contact Info

Product

Resources

About