-
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。
-
公开(公告)号：CN112910517A
公开(公告)日：2021-06-04
申请号：CN202110067128.X
申请日：2021-01-19
Applicant: 南京邮电大学
IPC: H04B7/0413 , H04B7/0456 , H04B17/391
Abstract: 本发明公开了一种基于低精度量化的MassiveMIMO中继系统下行链路模型构建方法，首先，将基站到中继的信道系数和中继到目的用户的信道建模成莱斯衰落模型；然后，对莱斯衰落模型下行链路的信号分为两个时隙依次进行处理，第一时隙是基站到中继的信号处理过程，第二时隙是中继到目的用户的信号处理过程；其次，根据用户的接收信号表达式以及香农公式推导真实可达总速率；最后，利用高阶统计量推导可达总速率的闭合表达式。本发明考虑在MassiveMIMO中继系统的下行链路过程中在基站到中继和中继到目的用户之间存在LOS路径的情况，使模型更符合实际的通信情况，并且解决了多天线所带来的高功耗问题。
-
公开(公告)号：CN112837366A
公开(公告)日：2021-05-25
申请号：CN202110087340.2
申请日：2021-01-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双目相机和卷积神经网络的目标识别及定位方法，本方法包括以下步骤：(1)进行准备工作；(2)控制相机拍摄图片；(3)卷积神经网络完成目标识别；(4)计算目标像素坐标；(5)结合相机参数计算空间坐标。本发明将双目相机和神经网络结合，极大地提升了目标识别和空间位置计算精度；将神经网络引入，增加了本方法的普遍性和鲁棒性；数据计算量和内存占用空间小、处理速度快。
-
Patent Agency Ranking
公开(公告)号：CN109886389A
公开(公告)日：2019-06-14
申请号：CN201910019665.X
申请日：2019-01-09
Applicant: 南京邮电大学
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：CN106612158A
公开(公告)日：2017-05-03
申请号：CN201611107580.X
申请日：2016-12-06
Applicant: 南京邮电大学
CPC classification number: H04L1/0038 , H04L25/03165 , H04L2025/03464
Abstract: 本发明提出了一种基于复合正弦混沌神经网络的信号盲检测方法。所述方法采用复合正弦的混沌神经网络和Sigmoid组合的非单调的激励函数、时变的输出函数增益和分段指数退火函数构成了一个复合正弦混沌神经网络；每次迭代时，首先进入混沌神经网络，然后再进入激活函数；所述混沌神经网络具有可以避免陷于局部最小值。本发明方法继承了混沌神经网络这一特点，提高了盲检测性能；并且，该网络具有更加丰富灵活的暂态混沌动力学特性以及更强的全局搜索能力；在同等条件下，本发明的抗噪性能优于传统的Hopfield信号盲检测算法。
-
公开(公告)号：CN104079379B
公开(公告)日：2017-04-12
申请号：CN201410311276.1
申请日：2014-07-01
Applicant: 南京邮电大学
IPC: H04L1/00
Abstract: 本发明提出了一种基于自适应相位旋转角量子蚁群的信号盲检测方法，所述方法将量子计算理论和进化计算理论融合进蚁群算法中，使每只蚂蚁携带一组表示蚂蚁当前位置信息的量子比特，首先根据基于信息素强度和可见度构造的选择概率，选择蚂蚁的前进目标，然后采用量子旋转门更新蚂蚁携带的量子比特，完成蚂蚁的移动；采用量子非门实现蚂蚁所在位置的变异，增加位置的多样性；将量子比特的两个概率幅都看作蚂蚁当前的位置信息，在蚂蚁数目相同时，可使搜索空间加倍。本发明信号盲检测方法的蚁群算法，能较好地解决蚁群算法在求解时易于陷入局部最优的问题，能够有效避免早熟现象，收敛速度更快，相同信噪比条件下信号盲检测的误码率更低。
-
公开(公告)号：CN103415044B
公开(公告)日：2016-04-20
申请号：CN201310336817.1
申请日：2013-08-05
Applicant: 南京邮电大学
Abstract: 本发明提出了一种WLAN网络中3GPP用户获取QoS签约的方法。所述方法针对3GPP用户漫游或者切换到WLAN网络后，无法获取3GPP HLR/HSS中自己签约的QoS参数问题，采用WLAN地址信息映射3GPP用户的APN，进而AAA通过HLR或HSS得到与3GPP用户APN对应的QoS签约参数，并将该3GPP用户的APN与QoS签约参数对传送给3GPP用户所在的WLAN AN，从而有效地提高了3GPP用户通过WLAN上网的体验。
-
公开(公告)号：CN103068027B
公开(公告)日：2015-04-01
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。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.058 seconds)
