-
公开(公告)号：CN118647075B
公开(公告)日：2024-11-15
申请号：CN202411116725.7
申请日：2024-08-15
Applicant: 中南大学
IPC: H04W52/46 , H04W52/24 , H04W52/26 , H04W52/36 , H04W84/18 , G06N3/048 , G06N3/042 , G06N3/088 , G06N3/045
Abstract: 本发明涉及通信技术领域，具体公开了一种无线自组网功率控制方法、介质和电子设备，所述方法包括如下步骤：构建无线自组网模型，计算无线自组网模型中每个接收机所接收的接收信号和信噪比，以及无线自组网模型中每个发射机的通信速率；构建优化目标函数；利用深度展开构建基于最小均方误差WMMSE算法的深度展开网络架构；采用无监督方式对所述深度展开网络架构进行训练；调用训练后的深度展开网络架构计算每个发射机的发射功率策略，实现无线自组网功率控制。本发明方法利用深度展开技术，针对传统WMMSE算法进行深度展开，相比于传统算法，使用较少的迭代次数实现了更好的性能，加速算法收敛，并且提供了良好的可解释性和泛化性能。
-
公开(公告)号：CN118657060B
公开(公告)日：2024-11-19
申请号：CN202411123843.0
申请日：2024-08-16
Applicant: 中南大学
IPC: G06F30/27 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/06 , G06N3/0985 , G06F119/08
Abstract: 本发明涉及物体表面温度场信息获取技术领域，具体涉及一种物体表面温度场的获取方法。本发明提出了一种物体表面温度场获取模型，该模型在经典的物理知识神经网络（PINN）模型的基础上，在网络架构中增加遗忘层（dropout层）和批归一化层（BN层），以增强预测结果的精度和稳定性；每一层采用不同的激活函数，可以增强模型的非线性表达能力，让模型更好地求解和拟合目标变量，从而增加模型的泛化能力；模型训练时使用了L2正则化技术，用于进一步抑制过拟合；使用权重网络自适应地调节损失函数权重，可以使模型找到平衡模型损失和数据损失的权重值，有利于进一步优化模型的预测效果。
-
公开(公告)号：CN118657060A
公开(公告)日：2024-09-17
申请号：CN202411123843.0
申请日：2024-08-16
Applicant: 中南大学
IPC: G06F30/27 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/06 , G06N3/0985 , G06F119/08
Abstract: 本发明涉及物体表面温度场信息获取技术领域，具体涉及一种物体表面温度场的获取方法。本发明提出了一种物体表面温度场获取模型，该模型在经典的物理知识神经网络（PINN）模型的基础上，在网络架构中增加遗忘层（dropout层）和批归一化层（BN层），以增强预测结果的精度和稳定性；每一层采用不同的激活函数，可以增强模型的非线性表达能力，让模型更好地求解和拟合目标变量，从而增加模型的泛化能力；模型训练时使用了L2正则化技术，用于进一步抑制过拟合；使用权重网络自适应地调节损失函数权重，可以使模型找到平衡模型损失和数据损失的权重值，有利于进一步优化模型的预测效果。
-
公开(公告)号：CN118647075A
公开(公告)日：2024-09-13
申请号：CN202411116725.7
申请日：2024-08-15
Applicant: 中南大学
IPC: H04W52/46 , H04W52/24 , H04W52/26 , H04W52/36 , H04W84/18 , G06N3/048 , G06N3/042 , G06N3/088 , G06N3/045
Abstract: 本发明涉及通信技术领域，具体公开了一种无线自组网功率控制方法、介质和电子设备，所述方法包括如下步骤：构建无线自组网模型，计算无线自组网模型中每个接收机所接收的接收信号和信噪比，以及无线自组网模型中每个发射机的通信速率；构建优化目标函数；利用深度展开构建基于最小均方误差WMMSE算法的深度展开网络架构；采用无监督方式对所述深度展开网络架构进行训练；调用训练后的深度展开网络架构计算每个发射机的发射功率策略，实现无线自组网功率控制。本发明方法利用深度展开技术，针对传统WMMSE算法进行深度展开，相比于传统算法，使用较少的迭代次数实现了更好的性能，加速算法收敛，并且提供了良好的可解释性和泛化性能。
-
-
-
Search Results
4
records
(took 0.014 seconds)
