公开(公告)号：CN111328087B

公开(公告)日：2021-09-14

申请号：CN201811540071.5

申请日：2018-12-17

Applicant: 上海大学

Inventor： 许頔 ,  陈小静 ,  吴昌昊 ,  张舜卿 ,  徐树公 ,  曹姗

IPC: H04W24/02 ,  H04W24/06 ,  H04W72/04 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度学习的高能效异构网络子信道分配与功率分配方法，以异构网络的信道增益矩阵作为深度神经网络的输入训练集、信道分配和功率分配作为标签以训练输入卷积神经网络，然后将训练得到的卷积神经网络子信道分配分类和优化功率分配拟合。本发明能使用深度学习对异构网络中子信道分配和功率分配进行联合优化，得到能效最优的情况。通过对原始数据添加标签，利用深度学习的特性学习能效优化过程。以达到在较小的时间和空间复杂度的情况下得到最优解。

公开(公告)号：CN111328087A

公开(公告)日：2020-06-23

申请号：CN201811540071.5

申请日：2018-12-17

Applicant: 上海大学

Inventor： 许頔 ,  陈小静 ,  吴昌昊 ,  张舜卿 ,  徐树公 ,  曹姗

IPC: H04W24/02 ,  H04W24/06 ,  H04W72/04 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度学习的高能效异构网络子信道分配与功率分配方法，以异构网络的信道增益矩阵作为深度神经网络的输入训练集、信道分配和功率分配作为标签以训练输入卷积神经网络，然后将训练得到的卷积神经网络子信道分配分类和优化功率分配拟合。本发明能使用深度学习对异构网络中子信道分配和功率分配进行联合优化，得到能效最优的情况。通过对原始数据添加标签，利用深度学习的特性学习能效优化过程。以达到在较小的时间和空间复杂度的情况下得到最优解。