-
公开(公告)号：CN103312422B
公开(公告)日：2015-04-01
申请号：CN201310146470.4
申请日：2013-04-24
Applicant: 南京邮电大学
IPC: H04B17/391 , G06N3/00
Abstract: 本发明提出了一种基于人工鱼群算法的信号盲检测方法，所述方法采用自下而上的设计方法，构造了人工鱼的基本模型以及其各行为的模型，用此模型解决盲信号检测的二次规划性能函数，根据基本鱼群优化算法的流程推导实现步骤，研究和分析了人工鱼群算法中各个参数以及系统环境条件等对算法结果的影响，仿真结果表明本发明人工鱼群算法是一种在信号盲检测应用中十分行之有效的方法。
-
公开(公告)号：CN103916344A
公开(公告)日：2014-07-09
申请号：CN201410082022.7
申请日：2014-03-07
Applicant: 南京邮电大学
Abstract: 本发明公开了无线传感网虚拟多输入多输出系统信号盲检测方法，所述方法利用无线传感器网传感器高密度分布的特点，在无线传感器网进行分簇处理的基础上，构造了一种虚拟MIMO系统盲检测模型，引入hopfield神经网络，采用多用户的Hopfield盲检测算法，实现无线传感网的接收端对簇间的簇首信号盲检测；然后将单用户的Hopfield盲检测算法，用于簇内各传感器节点信号盲检测。本发明方法在低信噪比，短数据的环境下，成功实现了盲检测，性能较好，为无线传感网提供了一种高速、低复杂度的信号盲检测方法。？
-
-
公开(公告)号：CN103973618B
公开(公告)日：2017-03-15
申请号：CN201410164577.6
申请日：2014-04-22
Applicant: 南京邮电大学
CPC classification number: Y02A40/12
Abstract: 本发明提出了一种精细农业无线传感网信号盲检测方法。所述方法在无线传感网分簇的基础上，对簇内的基准传感器节点加扰后的信号采用蚁群优化算法进行盲检测，恢复基准传感器节点发送信号，并估计出其相应的信道；然后利用簇内各传感器节点间的相关性，获得其它传感器节点传输信道，利用估计信道及解扰器恢复出非基准传感器节点的发送信号。本发明方法为精细农业无线传感网簇内信号盲检测提供了一种简便有效的方法。
-
-
Patent Agency Ranking
公开(公告)号：CN103068027A
公开(公告)日：2013-04-24
申请号：CN201210523550.2
申请日：2012-12-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种频率平坦性衰落信道下多中继的最优功率分配方法，对于两跳并行的直接放大型(AF)中继网络，该方法在频率平坦衰落环境下，考虑了节点自身的电路处理功率，提出了一种混合功率约束下的最优功率分配方法。其中，混合功率约束是指同时具有上下限约束的中继独立功率约束和中继和功率约束，优化的目标是使系统输出的信噪比最大化。本发明给出了几种情况下系统最大输出信噪比的性能比较，仿真结果表明，当中继节点的独立功率约束的上限约束值一定时，下限约束值越大系统输出的最大信噪比性能越差；当中继节点的独立功率约束的上下限约束值都给定时，中继混合最优功率分配策略的性能优于中继等功率分配策略的性能；系统中继数的增加会为系统带来输出信噪比增益。
-
公开(公告)号：CN102780542A
公开(公告)日：2012-11-14
申请号：CN201210252110.8
申请日：2012-07-19
Applicant: 南京邮电大学
Abstract: 本发明公开了全反馈神经网络信号盲检测的增益因子调整方法，在全反馈神经网络中使用方法可有效加快算法的收敛速度，避开伪平衡点的吸引域，可一定程度提高算法检测性能。该方法通过接收信号矩阵的奇异值分解的值空间矩阵重构一个新矩阵，并计算该新矩阵的各列指标量最小的对应向量作为初始状态向量，并记录盲检测时的伪平衡点向量，进而从新矩阵中向量中寻找一组列向量，使得该基向量与伪平衡点间的欧氏距离大于伪平衡点吸引域半径，重新进入网络反馈过程。
-
公开(公告)号：CN109886389B
公开(公告)日：2023-04-25
申请号：CN201910019665.X
申请日：2019-01-09
Applicant: 南京邮电大学
IPC: G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于Highway和DC的新型双向LSTM神经网络构建方法，所述方法包括如下步骤：构造双向LSTM神经网络—BiLSTM；B据BiLSTM构造基于DenselyConnection的双向LSTM神经网络—DC‑BiLSTM；向DC‑BiLSTM中引入Highway，得到基于Highway和DC的双向LSTM神经网络，该方法在于继承了Highway和DC克服深度神经网络中的梯度问题的能力，从而相较传统的深层LSTM和DC‑LSTM，在相同深度和相同数据集下，精度更优且收敛速度更快，Highway‑DC还可以使更深层网络(30层)易于训练，且精度尚未饱和。
-
公开(公告)号：CN113298861A
公开(公告)日：2021-08-24
申请号：CN202110556630.7
申请日：2021-05-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于ASPP‑CycleGAN的深度估计系统及其算法，构建ASPP‑CycleGAN模型，ASPP‑CycleGAN模型中包括两个生成对抗网络；两个生成对抗网络均包括生成器和判别器；生成器引用空洞卷积的空间金字塔，判别器采用多层全域卷积结构。在生成器的编码器和解码器之间添加基于空洞卷积的空间金字塔结构，用来提取多尺度信息；且在提取多尺度信息的同时避免了过多下采样层，有效减少了模型参数计算量并很好的保留了特征的细节信息。
-
公开(公告)号：CN113204640A
公开(公告)日：2021-08-03
申请号：CN202110360121.7
申请日：2021-04-02
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于注意力机制的文本分类方法。所述方法使用基于DenseNet的神经网络模型；在训练神经网络之前，利用语义编码来初始化DenseNet的卷积过滤器的权重，使网络在训练之前对重要的语义信息进行辨识，从而在卷积层能捕获每个句子的有效位置信息；通过局部注意力密集连接的模块进行文本信息的特征提取。本发明文本分类方法具有更强的特征提取能力，并保留文本信息的内容，在包括情感分类和主题分类等多个文本分类的任务时，效果显著，有效地提高了分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.044 seconds)
