-
Patent Agency Ranking
公开(公告)号：CN115034384A
公开(公告)日：2022-09-09
申请号：CN202210671591.X
申请日：2022-06-15
Applicant: 杭州电子科技大学
Abstract: 本发明提供了一种基于LM‑BP神经网络模型预测噪声特性的方法，包括以下步骤：S1采集数据：海水温度T、海水盐度S、海水深度z、海面风速v、海面降雨率r数据、和海洋环境噪声数据；S2.创建包括上述5类数据和海洋环境噪声数据的数据集；S3.以S1中采集的5类数据为输入，设计LM‑BP神经网络模型的拓扑结构；S4.训练LM‑BP神经网络模型；S5.基于LM‑BP神经网络模型预测噪声特性：将海面风速，海面降雨率，海水温度、盐度以及深度这5类参数输入S4中生成的模型中，输出噪声特性。本方法提供的模型，对海洋环境噪声谱级进行预测时有较好的精度。
-
公开(公告)号：CN115034384B
公开(公告)日：2025-04-18
申请号：CN202210671591.X
申请日：2022-06-15
Applicant: 杭州电子科技大学
IPC: G06N3/0499 , G06N3/084 , G06N3/0985 , G01H17/00
Abstract: 本发明提供了一种基于LM‑BP神经网络模型预测噪声特性的方法，包括以下步骤：S1采集数据：海水温度T、海水盐度S、海水深度z、海面风速v、海面降雨率r数据、和海洋环境噪声数据；S2.创建包括上述5类数据和海洋环境噪声数据的数据集；S3.以S1中采集的5类数据为输入，设计LM‑BP神经网络模型的拓扑结构；S4.训练LM‑BP神经网络模型；S5.基于LM‑BP神经网络模型预测噪声特性：将海面风速，海面降雨率，海水温度、盐度以及深度这5类参数输入S4中生成的模型中，输出噪声特性。本方法提供的模型，对海洋环境噪声谱级进行预测时有较好的精度。
-
公开(公告)号：CN116882291A
公开(公告)日：2023-10-13
申请号：CN202310875105.0
申请日：2023-07-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的海洋混响信号仿真方法，该方法首先产生一个的随机信号，将随机信号输入到生成对抗网络中的生成器中。其次固定生成对抗网络中的判别器，训练生成器，生成器根据判别器反馈回来的信息进行调整。然后固定生成器，训练判别器，判别器根据参考信号判断生成器生成的信号是否真实。最后循环训练生成器和判别器，不断增强生成器和判别器的性能。本发明计算量较小，根据生成的随机信号，并以少量的实际海洋混响信号为参考，模拟具有高度相似性的混响信号。
-
公开(公告)号：CN117373560A
公开(公告)日：2024-01-09
申请号：CN202311211730.1
申请日：2023-09-20
Applicant: 杭州电子科技大学
IPC: G16C20/30 , G16C20/70 , G06F30/27 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06F119/08
Abstract: 本发明涉及到基于塔克‑降噪自编码器重构海洋三维温盐度场的方法，具体采用了Tucker分解算法、降噪自编码器重构海洋中三维温盐度场，克服了海洋环境的复杂性和不确定性使得对海洋温度和盐度随深度的重构和预测难度较大的问题，经过优化后的重构数据已经将原始数据中温盐度分布的趋势和细节变化都重构出来，实现了将原始数据大部分不规则细节变化都准确的做出了重构。
-
公开(公告)号：CN114936526A
公开(公告)日：2022-08-23
申请号：CN202210605508.9
申请日：2022-05-31
Applicant: 杭州电子科技大学
Abstract: 一种基于深度置信神经网络的水声传播损失预报的方法，包括以下步骤：选择预报水声传播损失的模型；对选择的预报水声传播损失的模型进行特征参数选择，建立约束条件；构建在特征参数约束下的水声传播损失模型的数据集，将构建的数据集划分为训练集、测试集和验证集；构建包含受限玻尔兹曼机和顶层分类器网络的深度置信神经网络；将深度置信神经网络在构建好的数据集上进行训练、测试；将海洋特征参数与信号特征参数的值输入深度置信网络，输出水声传播损失的预测值。可以实现在缺乏先验知识、多频段、复杂海洋环境条件下，对声学模型进行准确的适配并精确预报水声传播损失。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
