遺傳算法優化的神經網絡頻譜預測模型訓練

摘要：針對認知無線網絡（CRN）中神經網絡頻譜預測模型原有的反向傳播算法預測準確率不高的問題,提出一種遺傳算法優化的神經網絡頻譜預測模型訓練（GA-NN）算法。通過在選擇、交叉、變異中加入隨機性,使種群的個體收斂至包含全局最優解的集合內,再通過反向傳播算法訓練神經網絡頻譜預測模型（BPNN）快速搜索到全局最優解。仿真結果表明,GA-NN算法訓練的神經網絡頻譜預測模型的預測準確率比BP-NN算法提高一倍以上,GA-NN算法在多種CRN中具有適用性。GA-NN算法提高了頻譜預測模型的預測準確率,將促進頻譜預測技術在CRN中的推廣應用。