-
公开(公告)号:CN103259586A
公开(公告)日:2013-08-21
申请号:CN201310218790.6
申请日:2013-06-04
Applicant: 山东大学
Abstract: 针对现有的三跳多中继波束成形优化所面临的效果不佳的问题,本发明提出了一种基于遗传算法的实现两组中继群组波束成形权向量联合优化的方法。该方法力求在中继节点总功率满足一定约束的前提下使目的节点的接收信噪比最大化。该优化问题是多向量的,难以通过常见的方法实现,本发明发现了两个向量之间的内在联系,将原有问题转化成仅包含第一组中继群组波束成形权向量的问题,进而运用遗传算法求得可视为全局最优的两组波束成形权向量。
-
公开(公告)号:CN118368670B
公开(公告)日:2024-09-20
申请号:CN202410472261.7
申请日:2024-04-19
Applicant: 山东大学
Abstract: 本发明涉及一种大规模异构网络中基于协作边缘缓存的最短时延传输方法,包括:在二维平面上部署不同层的基站,用户按照开放式访问协议关联到任意层中平均接收功率最大的基站;在闲暇时每层基站缓存文件库中的文件,每个宏基站在中央控制单元存储本地宏小区内所有基站的缓存信息,并调度文件在不同基站之间中转;用户请求文件库中的文件,基站或远端内容服务器自适应地将文件传输给用户,计算文件传输的平均时延反馈给本地宏基站,本地宏基站采用MPA优化不同文件在不同层的缓存概率;计算得到最短文件传输的平均时延,并保持当前最优缓存概率直至文件的请求概率发生变化。本发明所提协作边缘缓存策略能够明显降低文件传输的平均时延。
-
公开(公告)号:CN116236196A
公开(公告)日:2023-06-09
申请号:CN202211573216.8
申请日:2022-12-08
Applicant: 山东大学 , 众阳健康科技集团有限公司
IPC: A61B5/16 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/25 , G06F18/241 , G06N3/048 , G06N3/0464 , G06N3/08 , A61B5/372 , A61B5/00
Abstract: 本发明公开了一种基于图‑节点卷积神经网络的脑电信号分类方法。本发明采用了2D卷积+图卷积,图分类+节点分类的深度学习网络来对脑电信号进行分析,其特点在于:对原始脑电信号进行去噪等预处理之后,提取出脑电信号的微分熵特征,利用到了脑电信号的频域信息;然后将特征送入并行2D卷积和图卷积网络中进行时间信息和空间信息的提取,从而得到时域、频域和空间域的复合特征,最终输入到节点分类图神经网络中进行脑电信号分类。根据上述方法流程,本发明在MODMA数据集上进行了相关的实验验证,结果证明本发明提出的方法优于单一模型和串行模型的方法,具有更好的脑电信号分类效果。
-
公开(公告)号:CN114756766A
公开(公告)日:2022-07-15
申请号:CN202210430458.5
申请日:2022-04-22
Applicant: 山东大学
IPC: G06F16/9536 , G06F40/289 , G06F40/211 , G06F40/268 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于中文评论挖掘的方面神经协同过滤推荐方法及系统,包括:对中文评论数据集进行预处理;根据依存句法和词性规则制定评论的方面提取规则进行方面术语提取;将提取出的方面送入隐含狄利克雷分布模型进行方面聚类,转化为潜在因素;将中文评论数据集中包含的用户、物品、方面信息整合,构建潜在交互特征张量;将潜在交互特征张量送入ANCF模型进行训练,预测评分;本发明可针对中文评论进行无监督的方面提取后,以低网络复杂度,将方面信息结合进入推荐,关注交互信息,降低了数据稀疏性的影响,完成准确高效的推荐。
-
公开(公告)号:CN111914166A
公开(公告)日:2020-11-10
申请号:CN202010632336.5
申请日:2020-07-03
Applicant: 山东大学
IPC: G06F16/9535 , G06N20/00
Abstract: 本发明公开了应用于社区矫正人员的矫正策略个性化推荐系统,应用于服务器端,包括:获取模块,其被配置为:响应于客户端的矫正策略个性化推荐请求,获取由客户端采集的社区待矫正人员的基本信息;特征提取模块,其被配置为:对社区待矫正人员的基本信息进行处理,提取社区待矫正人员的特征;矫正策略推荐模块,其被配置为:将社区待矫正人员的特征,输入到预训练好的深度学习模型中,输出社区待矫正人员的个性化矫正策略。
-
-
-
-