-
公开(公告)号：CN105514592A
公开(公告)日：2016-04-20
申请号：CN201410489664.9
申请日：2014-09-23
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于不对称圆环的小型化共面波导馈电三频微带天线，包括共面集成波导馈线、不对称开口圆环、L型微带线、平行耦合微带线、对称矩形接地板、开路微带线和介质基板；所述共面集成波导馈线、不对称开口圆环、L型微带线、平行耦合微带线、对称矩形接地板和开路微带线均设置在介质基板上表面；本发明采用分布参数的微带线设计，具有成本低、体积小、易集成、损耗低、辐射特性好、稳定度高、适合大批量生产等优点，可应用于WLAN/WiMAX等通信系统。
-
公开(公告)号：CN118155400B
公开(公告)日：2025-05-02
申请号：CN202410052312.0
申请日：2024-01-12
Applicant: 南京理工大学
IPC: G08G1/01 , G06N3/0464 , G06N3/045 , G08G1/065 , G08G1/052
Abstract: 本发明公开了一种基于选择注意力机制的交通流量预测方法及系统，属于智能交通和机器学习领域。该基于选择注意力机制的交通流量预测方法及系统包括：首先，获取历史交通数据、道路拓扑数据和道路属性数据；接着，基于KGCN‑GSAM模型，根据道路拓扑数据和道路属性数据，建立交通预测模型；然后，基于所得交通预测模型，根据历史交通数据，进行下一时段内的交通预测值的预测。通过运用KGCN‑GSAM模型交通预测，本发明有效提高了交通预测的精准度。
-
公开(公告)号：CN119687721A
公开(公告)日：2025-03-25
申请号：CN202411762070.0
申请日：2024-12-03
Applicant: 江苏金陵智造研究院有限公司 , 南京理工大学
IPC: F41B3/04
Abstract: 本申请提供一种离心发射试验装置及工作方法，装置包括：旋转叶片部件、主轴部件、支撑台架部件、插销解锁部件；外部配置液压泵站；支撑台架部件通过化学锚栓固定在坚实的地面上，主轴部件安装在对称安装的支撑台架部件上，旋转叶片部件与主轴部件连接，并由主轴部件驱动；插销解锁部件安装在旋转叶片部件的顶部。本申请能够适应不同大小、重量模拟目标，不同速度和发射角的使用工况。
-
公开(公告)号：CN118784656B
公开(公告)日：2025-02-18
申请号：CN202411002441.5
申请日：2024-07-25
Applicant: 南京理工大学
IPC: H04L67/104 , H04L9/00 , H04L9/32
Abstract: 本发明属于区块链共识机制领域，涉及一种面向分布式网络的轻量级区块链共识方法；所述方法包括分布式节点在当前区块生成轮次向区块链网络提交一个解，得到可信工作量证明下的哈希函数值；当哈希函数值满足信誉生成目标但不满足区块生成目标时，分布式节点生成信誉证明，并增加分布式节点在下一区块生成轮次的信誉值；当哈希函数值不满足信誉生成目标，则保持分布式节点在下一区块生成轮次的信誉值不变；当哈希函数值满足区块生成目标，则成功生成区块，并重置分布式节点在下一区块生成轮次的信誉值；本发明设置的信誉值能用于调节其区块生成目标，从而降低了出块难度，提高了区块链辅助分布式物联网系统的去中心化程度，具有非常广阔的应用前景。
-
公开(公告)号：CN119204090A
公开(公告)日：2024-12-27
申请号：CN202411269558.X
申请日：2024-09-10
Applicant: 南京理工大学
IPC: G06N3/042 , G06N3/096 , G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本发明属于信息论和神经网络技术领域，公开了一种基于知识迁移的神经网络模型去噪方法，包括以下步骤：构建教师神经网络模型和结构相同的学生神经网络模型；使用一阶段损失函数计算两个模型输出之间的损失；判断训练是否收敛，若满足则冻结学生神经网络模型的特征提取器参数，后续不再更新参数；反之，则重复上述过程，直至模型收敛；使用二阶段损失函数计算两个模型之间的损失；判断模型是否收敛，若收敛则模型训练完成，输出结果；反之，重复上述过程步骤，直至收敛。本发明采用上述一种基于知识迁移的神经网络模型去噪方法，利用互信息差异性与知识蒸馏相结合的技术，使模型在不同程度的噪声下具有高准确率，有利于增强神经网络的噪声鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN118520398B
公开(公告)日：2024-12-13
申请号：CN202410669664.0
申请日：2024-05-27
Applicant: 南京理工大学
IPC: G06F18/2433 , G06F18/214 , G06N3/0895 , G06N3/098
Abstract: 本发明公开了基于双对比联邦半监督学习的旋转机械设备故障诊断方法，属于机器学习技术领域，包括以下步骤：S1、客户端初始化本地模型；S2、客户端使用本地数据集进行本地训练，然后上传至服务器；S3、服务器对收集的本地原型进行聚合，将更新后的全局原型重新分配给客户端；S4、客户端更新全局原型和本地模型；S5、重复S2到S4，直到模型收敛或达到预定义的迭代次数，得到预训练模型；S6、利用本地少量有标签数据进行微调；S7、将测试数据输入微调后的模型得到测试结果。本发明通过多个客户端使用本地数据集进行学习，并通过轻量级原型促进客户端之间的联合学习，从而实现相互知识共享，防止局部模型发散，提高设备故障诊断精确度。
-
公开(公告)号：CN118784656A
公开(公告)日：2024-10-15
申请号：CN202411002441.5
申请日：2024-07-25
Applicant: 南京理工大学
IPC: H04L67/104 , H04L9/00 , H04L9/32
Abstract: 本发明属于区块链共识机制领域，涉及一种面向分布式网络的轻量级区块链共识方法；所述方法包括分布式节点在当前区块生成轮次向区块链网络提交一个解，得到可信工作量证明下的哈希函数值；当哈希函数值满足信誉生成目标但不满足区块生成目标时，分布式节点生成信誉证明，并增加分布式节点在下一区块生成轮次的信誉值；当哈希函数值不满足信誉生成目标，则保持分布式节点在下一区块生成轮次的信誉值不变；当哈希函数值满足区块生成目标，则成功生成区块，并重置分布式节点在下一区块生成轮次的信誉值；本发明设置的信誉值能用于调节其区块生成目标，从而降低了出块难度，提高了区块链辅助分布式物联网系统的去中心化程度，具有非常广阔的应用前景。
-
公开(公告)号：CN114338667B
公开(公告)日：2024-09-17
申请号：CN202111472017.3
申请日：2021-12-06
Applicant: 南京理工大学
IPC: H04L67/10 , H04L67/1004 , H04L67/1097
Abstract: 本发明公开了一种辅助工业区块链智能合约的数据预言机架构及运行方法，采用分布式的预言机网络来桥接链下环境与智能合约，扩展智能合约的链下数据空间；所述数据预言机架构包括链上预言机系统和去中心化的链下数据预言机网络，链上预言机系统包括注册预言机合约、监控预言机合约、支付预言机合约和代理预言机合约；预言机合约表示链上的预言机智能合约，非预言机合约表示链下智能合约。方法为：设计基于拍卖理论的数据预言机激励机制，保证系统中预言机参与方的诚实可靠，仿真结果证明本发明能够使数据预言机系统满足个体理性与激励相容性。本发明针对工业互联网的大数据场景，保证了链上智能合约能够可信地获取链下工业数据和扩展链下数据空间。
-
公开(公告)号：CN118647071A
公开(公告)日：2024-09-13
申请号：CN202410767720.4
申请日：2024-06-14
Applicant: 南京理工大学
IPC: H04W52/02 , H04W24/06 , H04B7/0413 , G06N3/092
Abstract: 本发明公开了一种基于决策模型的5G基站节能方法，属于5G基站节能领域，对流量数据划分为不同的网络流量场景；部署基站，并建立MIMO网络环境；数据预处理，得到网络流量的分布规律并建立仿真环境，通过记录强化学习智能体与仿真环境交互生成轨迹；对决策模型进行预训练，将轨迹作为决策模型的输入学习出最佳的轨迹动作；将决策模型与MIMO网络环境交互，将时间步作为输入，生成动作概率并通过采样获得输出动作；将输出动作输入到MIMO网络环境得到反馈，通过反馈得到基站节能策略。本发明采用上述的一种基于决策模型的5G基站节能方法，可以解决强化学习模型泛化能力差的问题，可以处理大规模MIMO网络中基站数量变化的问题，达到降低能耗的目的。
-
公开(公告)号：CN118569313A
公开(公告)日：2024-08-30
申请号：CN202410637921.2
申请日：2024-05-21
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于Decision Transformer模型的建筑能耗优化方法，属于建筑能耗管理技术领域，首先定义建筑能耗管理场景下的马尔科夫决策过程要素，包括状态、动作和奖励机制，并收集相应的专家决策数据；然后对奖励进行重标记，将每个决策点后的累积奖励表示为轨迹回报R，重构输入轨迹序列，为决策模型提供预训练数据集；最后通过Decision Transformer模型训练重构输入轨迹序列，对Decision Transformer中的注意力机制进行因果掩码的修正，针对连续动作设计相应的损失函数，使用建模的轨迹序列对模型进行多轮训练，直至收敛，获得最优建筑能耗管理策略，并在新任务下进行测试。本发明提供的方法在新任务下有强大的迁移泛化性能，为提高建筑能耗管理质量提供了新的解决思路与方案。
-
-
-
-
-
-
-
-
-
Search Results
216
records
(took 0.219 seconds)
