-
公开(公告)号：CN113917938A
公开(公告)日：2022-01-11
申请号：CN202111173142.4
申请日：2021-10-08
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种小样本条件下的飞行器姿态控制数据增强和模型训练方法，包括：将飞行器姿态控制的训练集分解成多份子训练集；随机选取一份子训练集，训练第一生成器、第二生成器和第三生成器的神经网络参数；第一生成器、第二生成器和第三生成器分别依据各自的数据增强方式在神经网络模型中进行数据增强；计算出第一生成器、第二生成器和第三生成器在神经网络模型中的重要性权值；根据第一生成器、第二生成器和第三生成器的重要性权值，设置神经网络模型的目标函数；进行神经网络模型参数的训练；判断训练的迭代次数超过给定阈值；是，则终止训练；否，则重新选择子训练集进行训练。本发明提升了种小样本条件下神经网络模型的分类任务性能。
-
公开(公告)号：CN112416855B
公开(公告)日：2021-06-15
申请号：CN202011311200.0
申请日：2020-11-20
Applicant: 北京京航计算通讯研究所
IPC: G06F15/78
Abstract: 本发明涉及一种基于树状片上网络的数据采集处理片上系统，属于片上网络技术领域，解决了现有的片上系统无法实现数据处理且采集数据的传输效率较低的问题。系统包括同步采集区，用于采集与片上系统连接的外部ADC模块输出的采集数据，并将采集数据输出至缓存管理区；缓存管理区至少一个缓存单元；数据处理区，用于根据第一计算处理队列对第二计算处理队列输出的数据进行相应处理；以及，根据第一输出队列将第二输出队列输出的数据输出至数据输出区；数据输出区，用于将数据处理区输出的数据输出至外部设备。实现了采集数据的处理、缓存和高效传输，利用计算处理队列和输出队列实现了各通道数据的处理及输出的灵活配置，具有较高的实用价值。
-
公开(公告)号：CN112416855A
公开(公告)日：2021-02-26
申请号：CN202011311200.0
申请日：2020-11-20
Applicant: 北京京航计算通讯研究所
IPC: G06F15/78
Abstract: 本发明涉及一种基于树状片上网络的数据采集处理片上系统，属于片上网络技术领域，解决了现有的片上系统无法实现数据处理且采集数据的传输效率较低的问题。系统包括同步采集区，用于采集与片上系统连接的外部ADC模块输出的采集数据，并将采集数据输出至缓存管理区；缓存管理区至少一个缓存单元；数据处理区，用于根据第一计算处理队列对第二计算处理队列输出的数据进行相应处理；以及，根据第一输出队列将第二输出队列输出的数据输出至数据输出区；数据输出区，用于将数据处理区输出的数据输出至外部设备。实现了采集数据的处理、缓存和高效传输，利用计算处理队列和输出队列实现了各通道数据的处理及输出的灵活配置，具有较高的实用价值。
-
公开(公告)号：CN112395968A
公开(公告)日：2021-02-23
申请号：CN202011253582.6
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于神经网络的机械旋转部件故障诊断方法及装置，属于故障诊断技术领域，解决了现有的机械旋转部件故障诊断方法获得的诊断结果精度较差问题。方法包括：获取机械旋转部件的历史振动信号，并为历史振动信号添加标签；构建高维卷积神经网络模型，并基于历史振动信号对高维卷积神经网络模型进行训练，得到高维卷积神经网络模型的最优网络结构；将待诊断的振动信号输入高维卷积神经网络模型的最优网络结构，得到诊断结果。实现了机械旋转部件故障的诊断，提高了诊断精度。
-
-
-
Search Results
34
records
(took 0.046 seconds)
