公开(公告)号：CN118817957A

公开(公告)日：2024-10-22

申请号：CN202410820517.9

申请日：2024-06-24

Applicant: 重庆邮电大学

Inventor： 李帅永 ,  张赛 ,  张超 ,  张旭云涛

IPC: G01N33/00

Abstract: 本发明属于气体浓度检测技术领域，具体涉及一种基于通道耦合注意力时间卷积网络的气体浓度预测方法，包括：采集季节性周期气体及温度、气压数据，获得气体数据集；对获得的气体数据集进行数据处理；构建多级MLA‑TCN模型，且设置网络参数，所述训练数据集输入到多级MLA‑TCN模型，之后输入训练及浓度测试进行训练和浓度测试。本发明设计了多级MLA‑TCN模型，通过时间和通道两个维度上的注意力机制，增强了模型对序列数据的建模能力，提高了模型的表征能力和预测性能；另外，设计了一种加权损失函数EALOSS，加权损失函数结合了不同工况下的权重因子，以对模型在不同情况下的预测性能进行灵活调整。

公开(公告)号：CN115225516B

公开(公告)日：2023-09-12

申请号：CN202210840879.5

申请日：2022-07-18

Applicant: 重庆邮电大学

Inventor： 李帅永 ,  张旭云涛 ,  张超 ,  代正栩 ,  曾建新

IPC: H04L41/14 ,  H04L41/142 ,  H04L41/147 ,  H04L41/40 ,  G06N3/006 ,  G06Q10/04 ,  G06Q50/30

Abstract: 本发明属于网络流量预测领域，具体涉及一种基于改进ABC‑VMD的最小二乘支持向量机网络流量预测方法，该方法包括：获取非平稳SDN网络流量数据；采用优化的变分模态分解法将非平稳SDN网络流量数据进行转换分解，得到平稳时间序列分量；采用最小二乘支持向量机对每个平稳时间序列分量进行预测，得到每个分量的预测数据；将每个分量预测数据进行重构，得到网络流量预测结果；本发明采用人工蜂群算法对变分模态分解法中的参数进行优化，采用优化后的变分模态分解法对非平稳SDN网络流量数据进行转换分解，得到了平稳时间序列分量；采用参数最小二乘支持向量机对每个平稳时间序列分量进行预测，使得预测的结果更精确。

公开(公告)号：CN114359639A

公开(公告)日：2022-04-15

申请号：CN202210031382.9

申请日：2022-01-12

Applicant: 重庆邮电大学

Inventor： 李帅永 ,  张超 ,  文井辉 ,  李孟蕾 ,  徐祥瀚

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/77 ,  G06V10/82 ,  G06K9/62 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于旋转机械设备故障诊断领域，具体涉及一种基于MP‑CNN与SVM的旋转机械设备故障诊断方法，包括：获取待诊断的旋转机械设备图像，对待诊断的旋转机械设备图像进行预处理，将预处理后的图像输入到基于MP‑CNN和SVM的旋转机械设备故障诊断模型中，得到该机械设备的故障诊断结果；本发明结合了分层思想在机械故障诊断领域应用的较强特征提取能力以及SVM的高效分类功能，解决了使用CNN‑SVM时样本数量和种类较多导致诊断准确率低的问题。

公开(公告)号：CN112367683A

公开(公告)日：2021-02-12

申请号：CN202011286673.X

申请日：2020-11-17

Applicant: 重庆邮电大学

Inventor： 马彬 ,  陈海波 ,  张超

IPC: H04W28/06 ,  H04W36/14

Abstract: 本发明请求保护一种基于改进深度Q学习的网络选择方法。在引入休眠机制的超密集异构无线网络中，针对网络动态性增强，导致切换性能下降的问题，提出一种基于改进深度Q学习的网络选择算法。首先，根据网络的动态性分析，构建深度Q学习选网模型；其次，将深度Q学习选网模型中线下训练模块的训练样本与权值，通过迁移学习，将其迁移到线上决策模块中；最后，利用迁移的训练样本及权值加速训练神经网络，得到最佳选网策略。实验结果表明，本发明显著改善了因休眠机制导致的高动态性网络切换性能下降问题，同时降低了传统深度Q学习算法在线上选网过程中的时间复杂度。