-
-
公开(公告)号：CN106094114A
公开(公告)日：2016-11-09
申请号：CN201610692604.6
申请日：2014-04-22
Applicant: 三菱电机株式会社
IPC: G02B6/27
CPC classification number: G02B6/2773
Abstract: 本发明涉及复合光合波器。用于合并多个光信号的复合光合波器包括一组合波器。这组合波器包括至少一个偏振合波器，该偏振合波器光学地连接到至少一个非偏振合波器。非偏振合波器合并第一组输入信号并同时保持在第一组信号中的各个输入信号的偏振。偏振合波器合并第二组输入信号并同时变换在第二组信号中的至少一个输入信号的偏振。
-
公开(公告)号：CN119547082A
公开(公告)日：2025-02-28
申请号：CN202380053487.7
申请日：2023-06-22
Applicant: 三菱电机株式会社
IPC: G06N3/0455 , G06N3/0895 , G06N3/094 , G06N3/096
Abstract: 本公开提供了一种用于训练神经网络的方法和系统，该神经网络适合于基于装置所接收的信号对环境内的装置进行定位。该方法包括以下步骤：训练双回归器神经网络以从标记数据识别位置，其中，该双回归器神经网络包括特征提取器以及包括两个回归器的双回归器；使用标记数据和未标记数据训练双回归器的参数，使得两个回归器中的每一个在处理标记数据的同时识别相同的标记位置，并且在处理未标记数据的同时识别不同的位置；以及使用对抗鉴别器训练特征提取器的参数，以根据对抗鉴别器从具有标记数据的统计性质的未标记数据提取域不变特征，使得两个回归器中的每一个在处理域不变特征的同时识别相同的位置。
-
公开(公告)号：CN119422149A
公开(公告)日：2025-02-11
申请号：CN202380048379.0
申请日：2023-06-15
Applicant: 三菱电机株式会社
IPC: G06N3/0455 , G06N3/047 , G06N3/0985 , G06N3/084 , G06N7/01 , G06N3/048 , G06N3/126 , G06N3/0495 , G06N3/096 , G06N3/086 , G06N3/092 , G06N3/09 , G06N3/044 , G06N3/0464 , G06N3/088
Abstract: 提供了一种用于自动构建随机深度神经网络(DNN)架构的系统和方法。本发明的框架自动搜索作为用于变分贝叶斯推断的数据集的基础的最相关随机模式。本发明提供了一种在用于DNN中的中间表示的随机采样中使用异构信念、不规则信念和不匹配信念的方式，其具有后验模型、先验模型和似然模型的自动调谐机制的能力，以实现用于机器学习任务的准确生成模型和不确定性模型。该系统还允许可调整差异度量通过包括瑞丽的α散度、β散度和γ散度的散度度量的变体来正则化中间表示。本发明能够以自动方式实现用于误指定概率关系和未指定概率关系的随机模型的各种混合组合。因此，改进了变分自动编码器、变分信息瓶颈、去噪扩散概率模型和其它随机DNN的表示能力。
-
公开(公告)号：CN118843870A
公开(公告)日：2024-10-25
申请号：CN202280093430.5
申请日：2022-12-15
Applicant: 三菱电机株式会社
IPC: G06N3/0455 , G06N3/047 , G06N3/094 , G06N3/088
Abstract: 本公开的实施方式公开了一种用于训练神经网络以改进对抗鲁棒性的方法和系统。该方法包括以下步骤：收集包括干净数据样本和对抗数据样本的多个数据样本。神经网络的训练包括训练概率编码器将多个数据样本编码为隐空间表示上的概率分布。另外，神经网络的训练包括训练分类器对隐空间表示的实例进行分类以生成分类结果。另外，该方法包括以下步骤：使用干净数据样本训练神经网络的第一实例的共享参数并且使用对抗数据样本训练神经网络的第二实例的共享参数。此外，该方法包括以下步骤：输出神经网络的第一实例和神经网络的第二实例的共享参数。
-
Patent Agency Ranking
公开(公告)号：CN118742823A
公开(公告)日：2024-10-01
申请号：CN202280092204.5
申请日：2022-12-14
Applicant: 三菱电机株式会社
Abstract: 提供了一种蓝牙装置(101)，该蓝牙装置被配置为在第一时段期间控制射频(RF)链，以在从多个天线中选择的单个天线处接收由蓝牙发射器(103)在多个频率上发送的多个帧的恒定音调扩展(CTE)信号(105)。此外，在第二时段期间控制RF链以在多个天线之间切换从而在多个天线中的每一个处接收CTE信号。根据在第一时段期间接收到的CTE信号的第一样本来确定CTE信号的初始飞行时间(ToF)数据。此外，使用信号模型将CTE信号的样本与在特定时间接收并以初始ToF数据的条件下的未知ToF传输的CTE信号的未知到达角连接，来相对于蓝牙装置的位置对蓝牙发射器进行定位。
-
公开(公告)号：CN115176184B
公开(公告)日：2024-08-02
申请号：CN202180017111.1
申请日：2021-01-13
Applicant: 三菱电机株式会社
Abstract: 一种用于分配光束的光子器件包括：输入端口，其被配置成接收具有输入功率的输入光束；功率分配器，其包括被设置在具有第一折射率的引导材料的第一区域和第二区域中的扰动节段，各个节段皆具有第二折射率，其中，第一区域被配置成将输入光束分配成第一光束和第二光束，其中，第二区域被配置成分离地引导第一光束和第二光束，其中，第一折射率大于第二折射率；以及输出端口，其包括连接所述功率分配器的第一输出端口和第二输出端口，第一输出端口和第二输出端口分别接收和发送第一光束和第二光束。
-
公开(公告)号：CN117044264A
公开(公告)日：2023-11-10
申请号：CN202280018745.3
申请日：2022-01-21
Applicant: 三菱电机株式会社
IPC: H04W16/00
Abstract: 提供了一种用于融合来自多个频带的Wi‑Fi测量以监测室内和室外空间的系统。该系统包括多频带无线网络，该多频带无线网络包括提供环境中的覆盖的一组无线电装置，其中，该组无线电装置被配置成在多频带无线信道上建立无线通信或感测链路，其中，该多频带无线信道使用处于毫米波长的第一无线电频带以及处于厘米波长的第二无线电频带。该系统还包括计算处理器和数据存储装置，该计算处理器以通信方式联接至该组无线电装置，其中，该数据存储装置具有包括参数化模型、模块以及可执行程序的数据。该计算处理器被配置成在多频带无线信道上接收测量数据以获得一组异构传感器数据、网络传递的数据、或无线信道属性数据，在参数化模型中在一个或更多个步骤融合来自第一无线电频带和第二无线电频带的至少两种类型的测量，以生成所述环境的估计环境状态。
-
公开(公告)号：CN110235374B
公开(公告)日：2023-05-02
申请号：CN201780085131.6
申请日：2017-12-26
Applicant: 三菱电机株式会社
Abstract: 本发明涉及用于通过通信信道发送经编码的码字的发送器，包括：源，其接受源数据；非正则极化编码器，其由处理器操作以用至少一个极化码对源数据编码，以产生经编码的码字；调制器，其调制经编码的码字；以及前端，其通过通信信道发送经调制且经编码的码字。极化码由一组正则参数指定，包括限定码字中的数据位的数量的参数、限定指定经编码的码字中的冻结位的位置的数据索引集的参数、和限定经编码的码字中的奇偶位的数量的参数中的一个或组合。极化码还由一组非正则参数指定，包括限定极化码的至少一个正则参数的值的非正则性的参数、限定经编码的位的置换的非正则性的参数、限定极化码中的极化核的非正则性的参数、和限定在极化编码的不同阶段的停用异或运算的选择中的非正则性的参数中的一个或组合，并且其中，非正则极化编码器使用极化码的正则参数和非正则参数对码字编码。一些实施方式基于信道估计器确定的通信信道的参数选择极化码的非正则和/或正则参数的值的组合。包括将非正则极化编码应用于造成位发送非均匀可靠性的高阶调制、频率选择性衰落。
-
公开(公告)号：CN110226289B
公开(公告)日：2023-04-28
申请号：CN201780084109.X
申请日：2017-12-15
Applicant: 三菱电机株式会社
Abstract: 一种接收器包括极化解码器，该极化解码器用于对通过通信信道发送的编码后的码字进行解码。接收器包括：前端，该前端通过通信信道接收包括用通信信道的噪声修改的位序列的码字；和软解码器，该软解码器由处理器操作以产生解码的软输出。码字由至少一个极化编码器用极化进行了码编码。处理器被配置为：使用连续消去列表(SCL)解码来估计所接收码字的位的可能值，以产生一组候选码字；确定各候选码字与对软解码器的软输入之间的距离；并且使用最靠近所接收码字且在位序列中的位的位置处具有相反值的候选码字的距离差，来确定位的值的似然度。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.031 seconds)
