《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于神经网络计算的无线容量高实时预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。