| DC 欄位 |
值 |
語言 |
| DC.contributor | 電機工程學系 | zh_TW |
| DC.creator | 王琮星 | zh_TW |
| DC.creator | Cong-Xing Wang | en_US |
| dc.date.accessioned | 2002-6-20T07:39:07Z | |
| dc.date.available | 2002-6-20T07:39:07Z | |
| dc.date.issued | 2002 | |
| dc.identifier.uri | http://ir.lib.ncu.edu.tw:88/thesis/view_etd.asp?URN=89521066 | |
| dc.contributor.department | 電機工程學系 | zh_TW |
| DC.description | 國立中央大學 | zh_TW |
| DC.description | National Central University | en_US |
| dc.description.abstract | 模擬類神經網路(Nerous network)的多層感知機(MLP)架構，其非線性的特性結構運用在調適性等化器(Adaptive Equalizer)上，可解決訊號空間的非線性問題。而訊號受符元干擾(ISI)和Noise的影響，等化器的運用是必要的。傳統式調適性等化器利用最小均方差演算法(Least Mean Square, LMS)，而多層感知機的網路學習演算法則為倒傳遞演算法(Backpropagation algorithm, BP)。
本篇論文將探討進化演算法(Evolution algorithms ,EAs)，並將之應用在多層感知機(MLP)之後遞式判別回授等化器(Decision Feedback Equalizer, DFE)上。利用進化演算法全域搜尋(global search)的特性，使等化器的效能達到更理想的狀態。EA是模擬生物基因演進的運用法則，經由交配(crossover)、突變(mutate)、選擇(selection)等程序，找出等化器最佳係數解。此論文並針對各個程序步驟做深入探討，並分析各參數值(parameter)對效能(performance)的影響，更完整建構進化演算法(EA)的設定，使EA能在運用上有更佳的效能。 | zh_TW |
| DC.subject | 進化演算法 | zh_TW |
| DC.subject | EA | en_US |
| DC.title | 進化演算法應用在多層感知迴授等化
器上之效能分析 | zh_TW |
| dc.language.iso | zh-TW | zh-TW |
| DC.type | 博碩士論文 | zh_TW |
| DC.type | thesis | en_US |
| DC.publisher | National Central University | en_US |