-
公开(公告)号：CN116861257A
公开(公告)日：2023-10-10
申请号：CN202311033595.6
申请日：2023-08-16
Applicant: 北京邮电大学
IPC: G06F18/214 , G06F18/24 , G06N3/042 , G06N3/0442 , G06N3/082
Abstract: 本发明公开了一种基于知识蒸馏恢复策略剪枝的长短期记忆压缩方法，在知识蒸馏的实现中，除了引入蒸馏损失用于学生模型拟合教师模型的logits输出，还使用输出概率分布与真实标签的交叉熵损失，以确保学生模型的输出与样本的真实标签相互匹配。这两部分损失共同构成目标函数，帮助学生模型从教师模型的“暗知识”中进行学习，优化模型的输出概率分布，从而提高剪枝模型的准确率。另外，本发明将知识蒸馏应用于LSTM模型的剪枝过程中，通过合理传递知识，使得剪枝后的模型具备更强的表征能力。
-
公开(公告)号：CN117272211B
公开(公告)日：2024-02-13
申请号：CN202311548457.1
申请日：2023-11-20
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06F18/15 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0495 , G06N3/082 , G06F123/02
Abstract: 本发明公开了一种基于长短期记忆模型的轻量化航天器故障检测分类方法，选择更适合处理序列数据的长短期记忆网络，以充分提取并建模特征序列中的时空双重维度信息，学习更高层次的时序特征，从而获得更准确的预测结果。本发明使用的数据处理方式，将不同故障模式、不同运行模式的数据集进行维度补全，拼合数据集以便于统一训练模型，做到一个模型可以检测和分类不同数据格式的航天器故障数据集。本发明使用细粒度的基于软滤波的加权剪枝方法和量化技术进行深度神经网络模型轻量化处理，从而优化模型，加快模型的运行速度，更好地进行航天器异常诊断的异构计算。本发明进行模型的重训练以恢复模型的判别精度。
-
公开(公告)号：CN117220745B
公开(公告)日：2024-02-09
申请号：CN202311481311.X
申请日：2023-11-08
Applicant: 北京邮电大学
IPC: H04B7/06 , H04B7/0413 , G06N3/044 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的多用户信道状态信息联合压缩反馈方法，基站对小区内的所有用户发送下行导频序列，用户将已知导频序列和接收信道对比，通过信道估计获取实时下行信道状态信息，根据数据集训练多用户信道状态信息联合压缩反馈神经网络模型，用户使用编码器网络对下行信道状态信息进行压缩并且量化形成反馈码字，用户上行传输反馈码字，基站接收用户组的混合码字，基站使用解码器网络对混合码字进行解码，重构用户的下行信道状态信息。本发明提供的技术方案使得在复杂的通信环境下，多个用户设备能够更高效地进行信道状态信息反馈，同时不增加反馈延时和资源占用。
-
Patent Agency Ranking
公开(公告)号：CN117220745A
公开(公告)日：2023-12-12
申请号：CN202311481311.X
申请日：2023-11-08
Applicant: 北京邮电大学
IPC: H04B7/06 , H04B7/0413 , G06N3/044 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的多用户信道状态信息联合压缩反馈方法，基站对小区内的所有用户发送下行导频序列，用户将已知导频序列和接收信道对比，通过信道估计获取实时下行信道状态信息，根据数据集训练多用户信道状态信息联合压缩反馈神经网络模型，用户使用编码器网络对下行信道状态信息进行压缩并且量化形成反馈码字，用户上行传输反馈码字，基站接收用户组的混合码字，基站使用解码器网络对混合码字进行解码，重构用户的下行信道状态信息。本发明提供的技术方案使得在复杂的通信环境下，多个用户设备能够更高效地进行信道状态信息反馈，同时不增加反馈延时和资源占用。
-
公开(公告)号：CN117560495A
公开(公告)日：2024-02-13
申请号：CN202311351378.1
申请日：2023-10-18
Applicant: 北京邮电大学
IPC: H04N19/146 , H04L1/00 , H04N1/00 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种应用于图像语义通信的细粒度速率控制方法及装置，所述方法，将待传输图像集和所述预设语义骨架图像集输入至第一预设目标传输模型，通过所述第一预设目标传输模型输出目标传输图像集；确定所述目标传输图像集中的每个目标传输图像的传输码率；将所有目标传输图像进行编码，得到编码数据序列；将所述编码数据序列输入至第二预设目标传输模型，通过所述第二预设目标传输模型对所述编码数据序列进行解码，得到与所述待传输图像集对应的重构图像集。实现了将待传输图像中的语义重要部分进行传输码率的分配；并根据传输码率对待传输图像进行编码及传输，减少图像传输的信道带宽成本，节省通信资源。
-
-
公开(公告)号：CN117272211A
公开(公告)日：2023-12-22
申请号：CN202311548457.1
申请日：2023-11-20
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06F18/15 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0495 , G06N3/082 , G06F123/02
Abstract: 本发明公开了一种基于长短期记忆模型的轻量化航天器故障检测分类方法，选择更适合处理序列数据的长短期记忆网络，以充分提取并建模特征序列中的时空双重维度信息，学习更高层次的时序特征，从而获得更准确的预测结果。本发明使用的数据处理方式，将不同故障模式、不同运行模式的数据集进行维度补全，拼合数据集以便于统一训练模型，做到一个模型可以检测和分类不同数据格式的航天器故障数据集。本发明使用细粒度的基于软滤波的加权剪枝方法和量化技术进行深度神经网络模型轻量化处理，从而优化模型，加快模型的运行速度，更好地进行航天器异常诊断的异构计算。本发明进行模型的重训练以恢复模型的判别精度。
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
