《表1 应用于无线网络容量预测的CNN的详细结构与参数信息》
CNN:卷积神经网络
本节中,我们将分析不同的卷积神经网络架构,以探讨网络容量预测问题在不同场景下的适用性。将接入点的位置矩阵(即像素值为M×M的二维图像)作为CNN的输入,接入点位置的像素值标准化为1,其他区域像素值设置为0;将网络容量从大到小均分为40类,作为CNN的标签。表1给出了使用的卷积神经网络的结构,Conv(x,y,z,s)表示卷积层,其输入通道数为x、输出通道数为y、步长为s,卷积核的大小为(z×z)。MaxPool(z,s)表示最大池化层,其卷积核大小为(z×z),步长为s。Fc(x,y)表示具有输入节点数为x与输出节点数为y的全连接层。
图表编号 | XD00161353500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.10 |
作者 | 赖昱辰、钟祎、王建峰 |
绘制单位 | 华中科技大学、华中科技大学、微软公司 |
更多格式 | 高清、无水印(增值服务) |