-
公开(公告)号：CN111324860B
公开(公告)日：2024-01-23
申请号：CN202010086785.4
申请日：2020-02-11
Applicant: 无锡北邮感知技术产业研究院有限公司 , 北京邮电大学
IPC: G06F17/16 , G06N3/0464 , G06N3/084 , G06N20/00
Abstract: 本发明提供一种基于随机矩阵逼近的轻量级CNN计算方法与装置，包括：对数据样本进行降维处理，得到数据样本的低维表征；对模型的权重参数进行降维处理，得到权重参数的低维权重表征；利用所述数据样本的低维表征和所述权重参数的低维权重表征进行CNN模型训练。本发明通过降低数据样本的数据量，降低网络的权重参数的数据量，利用降低维度之后的低维表征和低维权重表征进行CNN模型运算，能够降低模型运算的复杂度，降低模型运算所需存储资源和计算资源，能够在配置较低的终端设备上实现模型运算。
-
公开(公告)号：CN111340182A
公开(公告)日：2020-06-26
申请号：CN202010086794.3
申请日：2020-02-11
Applicant: 无锡北邮感知技术产业研究院有限公司 , 北京邮电大学
Abstract: 本发明提供一种输入特征逼近的低复杂度CNN训练方法与装置，包括：对数据样本进行降维处理，得到数据样本的低维表征；将所述低维表征作为用于训练模型的输入数据，训练CNN模型。本发明通过降低数据样本的维度，利用降低数据量后的数据样本的低维表征作为用于训练模型的输入数据，训练模型，能够降低CNN模型训练的复杂度，降低训练模型所需存储资源和计算资源，能够在配置较低的终端设备上实现模型相关运算，扩展应用场景。
-
公开(公告)号：CN111340182B
公开(公告)日：2024-04-02
申请号：CN202010086794.3
申请日：2020-02-11
Applicant: 无锡北邮感知技术产业研究院有限公司 , 北京邮电大学
IPC: G06N3/084 , G06N3/0464 , G06F18/213 , G06N3/048
Abstract: 本发明提供一种输入特征逼近的低复杂度CNN训练方法与装置，包括：对数据样本进行降维处理，得到数据样本的低维表征；将所述低维表征作为用于训练模型的输入数据，训练CNN模型。本发明通过降低数据样本的维度，利用降低数据量后的数据样本的低维表征作为用于训练模型的输入数据，训练模型，能够降低CNN模型训练的复杂度，降低训练模型所需存储资源和计算资源，能够在配置较低的终端设备上实现模型相关运算，扩展应用场景。
-
公开(公告)号：CN111324860A
公开(公告)日：2020-06-23
申请号：CN202010086785.4
申请日：2020-02-11
Applicant: 无锡北邮感知技术产业研究院有限公司 , 北京邮电大学
Abstract: 本发明提供一种基于随机矩阵逼近的轻量级CNN计算方法与装置，包括：对数据样本进行降维处理，得到数据样本的低维表征；对模型的权重参数进行降维处理，得到权重参数的低维权重表征；利用所述数据样本的低维表征和所述权重参数的低维权重表征进行CNN模型训练。本发明通过降低数据样本的数据量，降低网络的权重参数的数据量，利用降低维度之后的低维表征和低维权重表征进行CNN模型运算，能够降低模型运算的复杂度，降低模型运算所需存储资源和计算资源，能够在配置较低的终端设备上实现模型运算。
-
公开(公告)号：CN119449079A
公开(公告)日：2025-02-14
申请号：CN202411229387.8
申请日：2024-09-03
Applicant: 北京邮电大学
IPC: H04B1/69 , H04B1/7097 , H04L27/26
Abstract: 本申请提出一种通信信号增强方法、装置、设备、系统及存储介质，其中，应用于信号接收端的方法包括：采用过采样频率对接收到的待增强信号进行过采样处理，获得第一信号；其中，所述待增强信号为信号发射端对待传输信号进行循环移位扩频处理和调制处理后，经通信信道发射至所述信号接收端的信号；获取所述第一信号对应的信号特征信息；基于所述信号特征信息对预先建立的自适应随机共振系统进行优化配置；基于配置完成的所述自适应随机共振系统对所述第一信号进行处理，获得第二信号；对所述第二信号进行解调处理和循环移位解扩处理，获得已增强信号。通过本申请的技术方案，能够确保数据传输的完整性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN115047419B
公开(公告)日：2025-01-14
申请号：CN202110250191.7
申请日：2021-03-08
Applicant: 北京邮电大学
IPC: G01S7/41
Abstract: 本发明实施例提供了一种毫米波雷达恒虚警率检测方法及装置，接收毫米波雷达发射的调频连续波FMCW信号经检测目标反射后的信号，对所接收到的信号进行预设信号处理，得到距离‑多普勒矩阵，根据距离‑多普勒矩阵，计算检测点的二维平面平均噪声功率；基于预设虚警概率、噪声概率分布、杂波干扰概率分布和检测目标概率分布，采用N‑P准则计算在二维平面平均噪声功率下的噪声筛选门限；根据噪声筛选门限，对距离‑多普勒矩阵进行噪声点筛选，得到候选目标点集合；采用二维加窗恒虚警检测，确定目标点，并基于目标点确定针对探测目标的检测结果。实现降低目标检测的复杂度，并提高目标检测精确度。
-
公开(公告)号：CN113543065B
公开(公告)日：2024-02-02
申请号：CN202110605101.1
申请日：2021-05-31
Applicant: 北京邮电大学
IPC: H04W4/40 , H04W16/14 , H04W72/044 , H04W72/53
Abstract: 本公开提供一种基于强化学习的通信资源分配方法及其相关设备，所述方法包括：综合考虑目标用户和非目标用户的位置、目标用户的Q值和回报函数，通过生成随机数，根据生成的随机数和ε贪婪算法，确定目标用户的信道选择策略和功率选择策略，进一步根据各个参数、信道选择策略和功率选择策略计算下一时刻的各个参数并更新目标用户的Q值，最后循环迭代直到满足预设的迭代时间或预设条件，得到目标用户的最终信道选择策略和所述目标用户的最终功率选择策略，并根据所述最终信道选择策略和所述最终功率选择策略，进行通信资源分配。使得信令开销降低，实现不同类型用户之间频谱资源的共享，提高频谱资源的利用率，缓解当前频谱(56)对比文件尹翔;李斌;于萌.一种多agent网络中的分布式联盟形成算法.控制与决策.2014,(第03期),全文.江虹;伍春;刘勇.基于强化学习的频谱决策与传输算法.系统仿真学报.2013,(第03期),全文.李卓.基于联合资源分配的飞蜂网吞吐量优化研究.北京信息科技大学学报(自然科学版).2013,(第03期),全文.Liping Jiang.Joint Mode Selection andResource Allocation in D2D-enabledVehicular Network.The 12th InternationalConference on Wireless Communications andSignal Processing.2020,全文.蒋涛涛;朱江.CNR中基于多用户Q学习的联合信道选择和功率控制.计算机应用研究.2019,(第08期),全文.张亚洲;周又玲.基于Q-learning的动态频谱接入算法研究.海南大学学报(自然科学版).2018,(第01期),全文.
-
公开(公告)号：CN116319522A
公开(公告)日：2023-06-23
申请号：CN202310249916.X
申请日：2023-03-15
Applicant: 北京邮电大学
IPC: H04L45/121 , H04L47/125 , H04L67/101 , H04L67/1012
Abstract: 本发明提供一种算力网络中的多路径转发方法及系统，所述方法包括：获取计算任务的算力要求和时延要求，删除算力网络中不满足计算任务传输带宽需求值的链路以及不满足计算任务算力需求量化值的算力节点后，计算各剩余候选算力节点的综合指数并基于综合指数筛选主目标算力节点和备份目标算力节点，计算主目标算力节点和备份目标算力节点到入口节点的最短距离，得到主路径和备份路径，当算力网络的链路带宽资源、算力资源、主路径以及备份路径均满足计算任务需求时接受该计算任务，在算力网络中为计算任务预留计算资源并更新算力网络的网络状态。本发明能够避免计算任务在算力网络中出现拥塞丢包现象，为计算任务的传输提供了确定性保障。
-
公开(公告)号：CN113645166B
公开(公告)日：2022-07-22
申请号：CN202110727942.X
申请日：2021-06-29
Applicant: 北京邮电大学
IPC: H04L25/03
Abstract: 本公开提供一种分子通信方法及用于分子通信的接收机。该方法在接收端执行，包括：在比特时隙内分别检测从发射端通过生化环境发送的携带原比特的信息的信使分子的第一浓度、生化环境存在的反应物分子的第二浓度、信使分子与反应物分子在生化环境中发生反应生成的产物分子的第三浓度，得到第一浓度曲线、第二浓度曲线和第三浓度曲线；分别对第一浓度曲线、第二浓度曲线和第三浓度曲线进行凹凸性度量，得到第一度量指标、第二度量指标和第三度量指标；通过将第一度量指标、第二度量指标和第三度量指标分别与预设自适应阈值进行比较，获得对原比特的第一检测结果、第二检测结果和第三检测结果；基于各检测结果进行综合判决，以得到原比特的恢复比特。
-
公开(公告)号：CN113516151A
公开(公告)日：2021-10-19
申请号：CN202110369242.8
申请日：2021-04-06
Applicant: 北京邮电大学
Abstract: 本公开提供一种联邦学习方法，其中，方法由中心服务器和至少一个边缘节点实现，方法包括：中心服务器对神经网络每一层的权重矩阵降维以得到降维的权重矩阵参数集合，并将降维的权重矩阵参数集合发送至边缘节点；边缘节点基于降维的权重矩阵参数集合利用本地样本进行训练以得到该边缘节点对应的边缘表征矩阵，并将边缘表征矩阵发送至中心服务器；中心服务器基于所有边缘表征矩阵得到更新的降维的权重矩阵参数集合，并将更新的降维的权重矩阵参数集合发送至边缘节点。本公开在保证了边缘节点的数据隐私性的同时，降低了对于边缘节点的计算能力和存储能力的要求，且提高了中心服务器和边缘节点之间的数据传输速度。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.081 seconds)
