基于结构优化算法的复值神经网络的信号调制识别方法

专利申请号：CN202110939236.1

公 开 号：CN113642653A

发 明 人：黄鹤 王志东 

代 理 人：郭磊

代理机构：32257 苏州市中南伟业知识产权代理事务所(普通合伙)

专利类型：发明申请

申 请 日：20211112

公 开 日：20210816

专利主分类号：G06K9/62(20060101)

关 键 词：神经网络 前向 神经元 隐层 结构优化 构建 算法 神经网络模型 算法停止条件 调制方式 泛化性能 模型结构 模型添加 输出矩阵 算法调整 损失函数 通信信号 信号调制 初始化 自适应 验证 保存 

摘      要：本发明公开了一种基于结构优化算法的复值神经网络的信号调制识别方法，首先对前向复值神经网络的结构与参数进行初始化；利用复值结构优化算法调整所述复值神经网络中的参数，验证所述前向复值神经网络的泛化性能，保存当前隐层神经元的个数以及所述前向复值神经网络的所有参数值，判断训练是否陷入局部极小值点；若是，利用复值增量构建算法向当前模型添加一个隐层神经元，在当前训练的基础上计算新增神经元的权值、隐层输出矩阵和损失函数值，继续训练新的模型；若不是，则保持模型结构不变，继续训练，直到满足算法停止条件。本发明有利于自适应地构建结构最优的前向复值神经网络模型，用于通信信号调制方式的识别，并取得满意的效果。