MMMay, 2019
基于张量分解和 LSTM 网络的大规模频谱占用学习
Large-Scale Spectrum Occupancy Learning via Tensor Decomposition and LSTM Networks
Mohsen Joneidi, Ismail Alkhouri, Nazanin Rahnavard
TL;DR论文介绍了一种基于 LSTM 循环神经网络和 CANDECOMP/PARFAC 张量分解的方法,能够在大规模频谱占用学习中高效地预测及捕捉各个频谱之间的相关性,并具有噪音与缺失值的鲁棒性,预测准确度较高。