基于RIS的元素分组面状全连接网络

作     者：侯顺虎 方胜良 曾庆尧 王孟涛 Hou Shunhu;Fang Shengliang;Zeng Qingyao;Wang Mengtao

作者机构：航天工程大学研究生院北京101416 航天工程大学航天信息学院北京101416 

基　　金：National Natural Science Foundation of China, NSFC, (694-700) National Natural Science Foundation of China, NSFC 

出 版 物：《系统仿真学报》 (Journal of System Simulation)

年 卷 期：2024年第36卷第4期

页      码：1017-1027页

摘      要：针对神经网络全连接层在训练中参数量多、所占内存多、易产生过拟合问题,从智能超表面(reconfigurable intelligence surface,RIS)结构特征出发,提出了一种基于RIS的元素分组面状全连接神经网络(RIS-based element grouping areal fully connected neural network,RGFCNN)。借鉴RIS的结构特征,在传统全连接神经网络上进行优化。设计了透射面注意力机制用于数据有效特征提取,相比于传统的全连接网络,该网络没有对数据进行一维排列,而是提出了一种运用于神经网络构建的元素分组策略,直接对二维面状数据进行分组全连接处理,各组处理输出进行数据串联。实验结果表明:在公开的具有IQ数据特征的通信信号数据集上,RGFCNN在信噪比大于0 dB时具有更好的识别精度,而训练参数是原来的大约1/6。

主 题 词：智能超表面 全连接神经网络 元素分组策略 IQ信号 调制识别 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16182/j.issn1004731x.joss.23-0304

馆 藏 号：203127477...