-
公开(公告)号：CN114330773A
公开(公告)日：2022-04-12
申请号：CN202111636268.0
申请日：2021-12-29
Applicant: 国网能源研究院有限公司 , 北京交通大学 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司电力科学研究院
Inventor： 张钧 , 边海峰 , 王东 , 张沛 , 高嵩 , 张远博 , 苏峰 , 谢光龙 , 王旭斌 , 张玥 , 代贤忠 , 张晨 , 柴玉凤 , 王大玮 , 张琛 , 田鑫 , 朱瑞 , 韩新阳 , 靳晓凌 , 李龙 , 李健
Abstract: 本发明公开了一种电力电缆时变故障概率的评估方法和系统，该方法包括采集所要计算地区的电缆数据的检修报告和台账数据，并对电缆运行状态划分；获取电缆的实时监测数据；对电缆的运行状态进行修正，得到当前时变的电缆运行状态；根据得到的电缆历史状态变化，确定电缆每种状态所持续的时间以及修复时间，得到电缆的马尔可夫状态转移矩阵；获取由于外部因素所引起的外部故障数据，得出电缆的外部故障率与修复率，建立电缆的时变故障概率的停运模型；构建福克普朗克方程，计算得到电缆的时变故障概率，根据时变故障概率对电缆进行检修；本发明计算结果可对电力电缆状态检修工作提供指导依据，增强设备检修的针对性，提高工作效率。
-
公开(公告)号：CN113159318A
公开(公告)日：2021-07-23
申请号：CN202110444570.X
申请日：2021-04-23
Applicant: 北京达佳互联信息技术有限公司 , 北京交通大学
Abstract: 本公开关于一种神经网络的量化方法、装置、电子设备及存储介质，涉及计算机技术领域，该方法包括：获取训练样本图像以及该训练样本图像的类型，并将该训练样本图像输入到第一模型，得到预测分类结果；根据该预测分类结果、该训练样本图像的类型、该初始权重以及该初始量化步长，确定第一梯度；基于该第一梯度、该初始量化步长以及该第一模型对应的学习率更新该初始量化步长；基于更新后的量化步长，调整该第一模型中的权重，以得到量化后的模型。本公开中，电子设备能够合理、有效地确定出量化后的模型，即在保障量化后的模型体积较小的同时，提升该量化后的模型的预测准确性。
-
公开(公告)号：CN113159188A
公开(公告)日：2021-07-23
申请号：CN202110444362.X
申请日：2021-04-23
Applicant: 北京达佳互联信息技术有限公司 , 北京交通大学
Abstract: 本公开关于一种模型生成方法、装置、设备及存储介质，涉及计算机技术领域，可以在保证现有神经网络模型性能不变的情况下，有效压缩神经网络模型。该模型生成方法包括：基于神经网络架构搜索算法，从与样本数据对应的搜索空间中获取初始模型；初始模型中的第一节点与第二节点之间通过初始边连接；初始边用于表示第一节点与第二节点之间执行的候选操作；初始边对应一个边权重；基于样本数据，对初始模型执行预设次数的训练操作，以得到第一模型；若第一模型中，与初始模型中的初始边对应的目标边的边权重满足预设条件，则对第一模型中的目标边进行裁剪，以得到目标模型。
-
公开(公告)号：CN111163460A
公开(公告)日：2020-05-15
申请号：CN201911317866.4
申请日：2019-12-19
Applicant: 北京交通大学
IPC: H04W12/00
Abstract: 本发明涉及一种基于多重间隔差分星座轨迹图的射频指纹提取方法,具体包括如下步骤：步骤1：对接收基带I/Q信号预处理；步骤2：对I路和Q路采样后的信号使用延迟器分别控制延迟；步骤3：使用不同的采样点间隔进行差分处理；步骤4：将不同的采样点间隔差分星座轨迹图进行特征融合；步骤5：识别设备。本发明所获得的多重间隔差分星座轨迹图保持了各个差分星座轨迹图所具有的特征，信息量更为丰富，能够更好地展示不同设备的载波偏移的差异。同时可以提升对环境的鲁棒性，即使在低信噪比环境下也可以更好地完成无线设备身份的识别。并且多重差分间隔提取射频指纹特征在达到丰富可用特征的同时简化射频指纹提取的计算复杂度。
-
公开(公告)号：CN106571856A
公开(公告)日：2017-04-19
申请号：CN201610972844.1
申请日：2016-11-07
Applicant: 北京交通大学
IPC: H04B7/0413 , H04B17/00 , H04L29/06
CPC classification number: H04B7/0413 , H04B17/00 , H04L63/16
Abstract: 本发明涉及随机符号法检测大规模MIMO系统中主动窃听用户的方法。该方法包括：随机符号序列设置、安全区域设置、主动窃听用户的独立检测和结果融合，若融合后的结果为是，则认为大规模MIMO系统中此时不存在主动窃听用户；反之，则认为大规模MIMO系统中此时存在主动窃听用户。仿真实验表明，随机符号法能够有效检测大规模MIMO系统中的主动窃听用户。并且，该方法的检测性能随着系统基站天线数、基站接收信号信噪比、主动窃听用户发送信号功率、随机符号序列长度的增长显著提升。在与现有研究中其他两种大规模MIMO系统主动窃听用户检测方法(随机导频法、功率检测法)的性能比较中，本发明提供的随机符号法的检测性能最好。
-
Patent Agency Ranking
公开(公告)号：CN119180208B
公开(公告)日：2025-04-29
申请号：CN202411263986.1
申请日：2024-09-10
Applicant: 中建交通建设集团有限公司 , 石家庄铁道大学 , 北京交通大学
IPC: G06F30/27 , G06F30/13 , G06N3/044 , G06N3/084 , G06N3/0985 , G06F111/10 , G06F119/14 , G06N3/048
Abstract: 本发明公开了一种基于数据驱动的轨道结构动力学预测模型的构建方法，通过搭建预测模型、进行模型训练、进行模型预测、选定模型性能评价指标、对预测模型进行优化研究、对模型性能进行对比验证的步骤构建了基于数据驱动的轨道结构动力学预测模型，构建的预测模型用于轨道结构动态响应预测，以轴箱加速度和轨道不平顺信息为输入，预测模型能够快速、高效、准确地输出轨道结构的动态响应；构建的预测模型用于高速铁路、城市轨道交通及重载铁路等线路的轨道结构动力响应预测，实现了轨道结构动态响应和动力状态的快速评估。
-
公开(公告)号：CN116599810A
公开(公告)日：2023-08-15
申请号：CN202310715769.0
申请日：2023-06-15
Applicant: 北京交通大学
IPC: H04L27/26
Abstract: 本发明提供的基于多径衰落补偿的无线设备射频指纹提取方法，首先利用前导信号对信道的频率响应进行估计，然后利用该信道响应的估计对后续的多个OFDM符号分别进行补偿，采用基于子载波差分的频率偏移特征的提取方法，对不同时刻的OFDM符号的同一子载波上的符号执行差分运算，差分结果会体现为星座图上的一个稳定的相位旋转。该相位旋转仅与载波频率偏移和可设置的差分间隔相关，不随时间变化，可以作为射频指纹特征。本发明提供的方法提出了保留载波频率偏移的延时信道补偿方法和基于子载波差分的频率偏移特征的提取方法。前者在保留了频率偏移特征的同时有效的补偿了多径信道对射频指纹的影响；后者表现出的统计特性使得射频指纹特征对信噪比不敏感。
-
公开(公告)号：CN110070178A
公开(公告)日：2019-07-30
申请号：CN201910337943.6
申请日：2019-04-25
Applicant: 北京交通大学
Inventor： 王东
Abstract: 本发明公开了一种卷积神经网络计算装置和方法，该装置包括神经网络模型缓存器，用于缓存编码卷积神经网络模型；神经网络模型解码器，用于读取编码模型，解码得到模型权重的逻辑索引及控制信息；输入神经网络特征图缓存器，用于缓存输入特征图像素值；特征图存储控制器用于根据特征图逻辑索引读取特征图像素值数据；累加器阵列，用于将与相同神经网络模型权重值相乘的输入特征图像素值相加，并生成临时累加结果；流水线缓存器，用于缓存临时累加结果；乘累加器阵列，用于将临时累加结果与对应的神经网络模型权重值相乘，并将属于当前卷积运算的乘积结果进行相加，生成输出特征图像素值；输出神经网络特征图缓存器，用于缓存输出特征图像素值。
-
公开(公告)号：CN104242981A
公开(公告)日：2014-12-24
申请号：CN201410471903.8
申请日：2014-09-16
Applicant: 北京交通大学
IPC: H04B1/40
Abstract: 本发明公开了一种基于软件无线电的嵌入式无线通讯装置，该装置包括天线阵列单元，用于接收或发送符合不同无线通讯标准的射频信号；模拟前端单元，用于将天线阵列单元接收到的射频信号进行放大、滤波和下变频处理获得基带数字信号；输入/输出矩阵，用于对基带数字信号进行合并或拆分，获得至少一个高速串行数据流；异构多核处理单元，用于执行应用程序过程中，对符合该应用程序需求的无线通信标准的基带数字信号进行处理，实现底层硬件系统和上层应用程序之间通信数据流的传输。本发明所述技术方案适用于百个以上天线实时收发和数据处理，同时还能够灵活支持多标准通信，可以实现未来家庭基站Femtocell或移动终端设备对灵活配置、小型化、低功耗的需求。
-
公开(公告)号：CN118333108B
公开(公告)日：2025-03-21
申请号：CN202410471048.4
申请日：2024-04-18
Applicant: 北京交通大学
IPC: G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种用于卷积神经网络输入激活值4比特量化的方法。该方法包括：加载原始4‑8混合比特位宽量化后的卷积神经网络模型权重，修改需进行4比特量化层的模型权重结构，对卷积神经网络的输入激活值利用本发明进行4比特量化，然后将量化后的4比特输入激活值进行反量化。该方法保证了卷积神经网络输入激活值量化为4比特的情况下，精度相对于原混合比特位宽量化后的卷积神经网络的精度损失可忽略不计。使用本发明的量化方法量化神经网络模型输入激活值更适应于硬件的移位计算方式，能够部署在相应硬件上来充分发挥量化神经网络的计算优势。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.031 seconds)
