-
公开(公告)号：CN113705724A
公开(公告)日：2021-11-26
申请号：CN202111069585.9
申请日：2021-09-13
Applicant: 苏州大学
Abstract: 本发明提出一种基于自适应的L‑BFGS算法的批量学习方法，用于深度神经网络的训练，每次训练时按一定规则选取一部分样本计算更新参数，以减少计算复杂度，同时解决一阶算法(如Mini‑Batch GD)训练时存在的收敛速度慢，易陷入局部最优点等缺点。本发明提出的算法解决了L‑BFGS算法中记忆尺度选择困难的问题。本发明提出的算法引入了多步拟牛顿理论对AL‑BFGS中衡量近似程度的计算公式进行了改进，使得到海塞矩阵逆的近似矩阵与海塞矩阵的逆矩阵之间近似程度更高。本发明提出的算法选取多个记忆尺度，计算出不同的方向进行叠加，得到最终的搜索方向，从而加强对最近曲率信息的使用，加快了收敛速度。
-
公开(公告)号：CN112422462B
公开(公告)日：2021-08-31
申请号：CN202011311308.X
申请日：2020-11-20
Applicant: 苏州大学
Abstract: 本发明公开了一种复值信道均衡器的设计方法，包括：首先采用复值神经网络构建信道均衡器，所述复值信道均衡器应用在数字通信系统；从所述数字通信系统的非线性信道中采集相关的输入y(n)＝[y(n),y(n‑1),…,y(n‑m+1)]T作为复值神经网络的输入，s(n‑τ)作为期望输出，通过均方误差构建损失函数；对损失函数进行优化，从而得到合适的复值神经网络模型，最终使用该复值神经网络模型实现信道均衡。本发明的有益效果：本发明提出使用多层前向复值神经网络构建一种复值信道均衡器，并设计自适应复值L‑BFGS算法用于实现复值神经网络的高效学习，最终实现信道均衡的目的。
-
公开(公告)号：CN113095294A
公开(公告)日：2021-07-09
申请号：CN202110500427.8
申请日：2021-05-08
Applicant: 苏州大学
Abstract: 本发明涉及一种自适应数字调制信号解调方法，包括获取已调制信号，并将调制信号转换为数字信号；提取数字信号的特征，其中特征包括信号的幅频特征和相频特征；将信号的幅频特征和相频特征作为多层前向复数值神经网络的输入，利用训练好的多层前向复数值神经网络识别数字信号的调制方式，其中使用基于自适应混合方向的CL‑BFGS算法训练多层前向复数值神经网络，通过在迭代过程中自适应地构建混合搜索方向，调整权值和偏置参数；根据多层前向复数值神经网络的识别结果对数字信号进行解调，获得解调后的数字基带信号。本发明克服了记忆尺度对算法性能造成的不良影响，能够实现多层前向复数值神经网络的高效学习，并取得调制方式识别的显著效果。
-
Patent Agency Ranking
公开(公告)号：CN113705724B
公开(公告)日：2022-08-30
申请号：CN202111069585.9
申请日：2021-09-13
Applicant: 苏州大学
Abstract: 本发明提出一种基于自适应的L‑BFGS算法的批量学习方法，用于深度神经网络的训练，每次训练时按一定规则选取一部分样本计算更新参数，以减少计算复杂度，同时解决一阶算法(如Mini‑Batch GD)训练时存在的收敛速度慢，易陷入局部最优点等缺点。本发明提出的算法解决了L‑BFGS算法中记忆尺度选择困难的问题。本发明提出的算法引入了多步拟牛顿理论对AL‑BFGS中衡量近似程度的计算公式进行了改进，使得到海塞矩阵逆的近似矩阵与海塞矩阵的逆矩阵之间近似程度更高。本发明提出的算法选取多个记忆尺度，计算出不同的方向进行叠加，得到最终的搜索方向，从而加强对最近曲率信息的使用，加快了收敛速度。
-
公开(公告)号：CN112887237A
公开(公告)日：2021-06-01
申请号：CN202110269878.5
申请日：2021-03-12
Applicant: 苏州大学
Abstract: 本发明公开了一种光纤通信系统的复信道均衡器设计方法，包括：采用多层前向复值神经网络构建复信道均衡器，所述复信道均衡器用于光纤通信系统，由多个时刻的数字信号组成的向量作为复信道均衡器的输入，从而对信号传输过程中产生的畸变信号进行校正，并使用判别器对其进行判断，降低光纤通信系统的误码率。本发明的有益效果：本发明提出了一种可用于光纤通信系统的复信道均衡器设计方法，相比于采用其它方法设计的信道均衡器，本发明实现的复信道均衡器能取得更低的误码率，保证信号传输的可靠性。
-
公开(公告)号：CN112887237B
公开(公告)日：2022-02-11
申请号：CN202110269878.5
申请日：2021-03-12
Applicant: 苏州大学
Abstract: 本发明公开了一种光纤通信系统的复信道均衡器设计方法，包括：采用多层前向复值神经网络构建复信道均衡器，所述复信道均衡器用于光纤通信系统，由多个时刻的数字信号组成的向量作为复信道均衡器的输入，从而对信号传输过程中产生的畸变信号进行校正，并使用判别器对其进行判断，降低光纤通信系统的误码率。本发明的有益效果：本发明提出了一种可用于光纤通信系统的复信道均衡器设计方法，相比于采用其它方法设计的信道均衡器，本发明实现的复信道均衡器能取得更低的误码率，保证信号传输的可靠性。
-
公开(公告)号：CN112422462A
公开(公告)日：2021-02-26
申请号：CN202011311308.X
申请日：2020-11-20
Applicant: 苏州大学
Abstract: 本发明公开了一种复值信道均衡器的设计方法，包括：首先采用复值神经网络构建信道均衡器，所述复值信道均衡器应用在数字通信系统；从所述数字通信系统的非线性信道中采集相关的输入y(n)＝[y(n),y(n‑1),…,y(n‑m+1)]T作为复值神经网络的输入，s(n‑τ)作为期望输出，通过均方误差构建损失函数；对损失函数进行优化，从而得到合适的复值神经网络模型，最终使用该复值神经网络模型实现信道均衡。本发明的有益效果：本发明提出使用多层前向复值神经网络构建一种复值信道均衡器，并设计自适应复值L‑BFGS算法用于实现复值神经网络的高效学习，最终实现信道均衡的目的。
-
公开(公告)号：CN113095294B
公开(公告)日：2023-03-24
申请号：CN202110500427.8
申请日：2021-05-08
Applicant: 苏州大学
IPC: G06F18/213 , G06N3/063 , G06N3/084
Abstract: 本发明涉及一种自适应数字调制信号解调方法，包括获取已调制信号，并将调制信号转换为数字信号；提取数字信号的特征，其中特征包括信号的幅频特征和相频特征；将信号的幅频特征和相频特征作为多层前向复数值神经网络的输入，利用训练好的多层前向复数值神经网络识别数字信号的调制方式，其中使用基于自适应混合方向的CL‑BFGS算法训练多层前向复数值神经网络，通过在迭代过程中自适应地构建混合搜索方向，调整权值和偏置参数；根据多层前向复数值神经网络的识别结果对数字信号进行解调，获得解调后的数字基带信号。本发明克服了记忆尺度对算法性能造成的不良影响，能够实现多层前向复数值神经网络的高效学习，并取得调制方式识别的显著效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.01 seconds)
