基于门控循环神经网络的非线性均衡方法

    公开(公告)号:CN110598859A

    公开(公告)日:2019-12-20

    申请号:CN201910707923.3

    申请日:2019-08-01

    Abstract: 本发明公开了一种基于门控循环神经网络的非线性均衡方法,包括:确定门控循环神经网络模型,利用训练样本数据训练所述门控循环神经网络模型,得到初步训练后的门控循环神经网络模型;对所述初步训练生成的门控循环神经网络模型进行优化处理;对优化处理后的门控循环神经网络模型进行修剪处理;利用训练样本数据,对修剪处理后的门控循环神经网络模型进行再训练,得到训练后的门控循环神经网络模型;利用所述训练后的门控循环神经网络模型进行非线性估计或是均衡处理,能够实现高性能低复杂度的非线性损失补偿功能。

    基于门控循环神经网络的非线性均衡方法

    公开(公告)号:CN110598859B

    公开(公告)日:2022-12-13

    申请号:CN201910707923.3

    申请日:2019-08-01

    Abstract: 本发明公开了一种基于门控循环神经网络的非线性均衡方法,包括:确定门控循环神经网络模型,利用训练样本数据训练所述门控循环神经网络模型,得到初步训练后的门控循环神经网络模型;对所述初步训练生成的门控循环神经网络模型进行优化处理;对优化处理后的门控循环神经网络模型进行修剪处理;利用训练样本数据,对修剪处理后的门控循环神经网络模型进行再训练,得到训练后的门控循环神经网络模型;利用所述训练后的门控循环神经网络模型进行非线性估计或是均衡处理,能够实现高性能低复杂度的非线性损失补偿功能。

    一种基于机器学习的光纤窃听监测方法及相关设备

    公开(公告)号:CN110518973B

    公开(公告)日:2021-05-04

    申请号:CN201910683365.1

    申请日:2019-07-26

    Abstract: 本发明公开了一种基于机器学习的光纤窃听监测方法及相关设备。所述方法包括:采集光纤通信信道的历史信号信息,所述历史信号信息包括窃听情况信息以及信道性能信息;根据所述历史信号信息运用支持向量机算法进行训练,获得训练后的支持向量机算法模型;采集所述光纤通信信道的当前周期的信号信息,根据所述支持向量机算法模型判断所述当前周期的信号信息是否存在窃听;若是,则进行报警;若否,继续采集下一周期的信号信息。本发明所述基于机器学习的光纤窃听监测方法及相关设备,应用机器学习等人工智能算法,实现对非法窃听的智能监测识别。

    一种基于机器学习的光纤窃听监测方法及相关设备

    公开(公告)号:CN110518973A

    公开(公告)日:2019-11-29

    申请号:CN201910683365.1

    申请日:2019-07-26

    Abstract: 本发明公开了一种基于机器学习的光纤窃听监测方法及相关设备。所述方法包括:采集光纤通信信道的历史信号信息,所述历史信号信息包括窃听情况信息以及信道性能信息;根据所述历史信号信息运用支持向量机算法进行训练,获得训练后的支持向量机算法模型;采集所述光纤通信信道的当前周期的信号信息,根据所述支持向量机算法模型判断所述当前周期的信号信息是否存在窃听;若是,则进行报警;若否,继续采集下一周期的信号信息。本发明所述基于机器学习的光纤窃听监测方法及相关设备,应用机器学习等人工智能算法,实现对非法窃听的智能监测识别。

Patent Agency Ranking