-
公开(公告)号：CN118138097A
公开(公告)日：2024-06-04
申请号：CN202410431844.5
申请日：2024-04-11
Applicant: 重庆邮电大学
IPC: H04B7/06 , H04B7/08 , G06N3/0464
Abstract: 本发明涉及一种基于CNN的IRS辅助通信系统的联合波束成形方法，包括：采用DeepMIMO数据集光线追踪场景生成基于IRS辅助的下行MISO毫米波通信系统的训练数据集；根据通信系统的系统模型计算通信系统的总安全传输速率表达式，并以通信系统的总安全传输速率作为优化目标；构建两阶段的卷积神经网络，并根据优化目标定义损失函数；利用训练数据集对构建的卷积神经网络进行训练，训练完成后得到最优的基站波束成形矩阵和IRS相移矩阵；本发明通过两阶段卷积神经网络分别预测IRS相移矩阵和基站波束成形矩阵，充分考虑并解决了这两个矩阵的耦合问题，提升了IRS辅助的下行MISO毫米波通信系统的通信质量。
-
公开(公告)号：CN117746141A
公开(公告)日：2024-03-22
申请号：CN202311775891.3
申请日：2023-12-21
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/40 , G06V20/17 , G06N3/0464 , G06N3/0455 , G06F17/16
Abstract: 本发明属于遥感图像分类领域，涉及基于视觉Transformer的遥感图像分类方法，包括：获取遥感图像并进行预处理，将预处理后的结果输入分块嵌入模块，得到特征矩阵；将特征矩阵拉长得到初始序列，在初始序列中加入类别token向量，得到类别序列；将类别序列输入Transformer编码模块，得到编码序列；将特征矩阵输入空间结构计算模块，得到空间结构序列；将编码序列和空间结构序列对应相加，得到结合序列，将结合序列输入全局结构融合模块，得到融合序列；将融合序列的类别token向量输入分类头，得到分类结果；本发明采用多方向对称卷积与空间结构计算策略，从底层提高模型旋转鲁棒性，使其分类呈不同方向的遥感图像。
-
公开(公告)号：CN117828192A
公开(公告)日：2024-04-05
申请号：CN202410050266.0
申请日：2024-01-12
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06N3/045 , G06F17/16 , G06N3/0442 , G06N3/094
Abstract: 本发明属于推荐系统领域，涉及一种融合时间信息的自注意力序列推荐方法，包括：获取用户历史行为数据及其时间信息，并进行预处理，得到用户历史交互序列和时间序列；将用户历史交互序列和时间序列输入嵌入模块进行嵌入编码，得到项目嵌入矩阵MI和相对时间嵌入矩阵MR，将矩阵MI和矩阵MR进行组合，得到总嵌入矩阵E；将矩阵MI、矩阵E以及时间序列输入全局特征建模模块，得到用户全局特征和用户干扰偏好；将用户全局特征和用户干扰偏好输入预测模块得到推荐预测概率；本发明通过数据增强模块增强时间和位置的表征，使模型获得更完整的信息表示；通过对抗调整模块区分注意力权重的决定性部分和干扰部分，降低噪声的影响。
-
公开(公告)号：CN117876069A
公开(公告)日：2024-04-12
申请号：CN202410048329.9
申请日：2024-01-12
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06F16/9535 , G06F18/214 , G06N3/096 , G06N3/0895 , G06N3/084 , G06N3/045
Abstract: 本发明属于推荐系统领域，具体涉及一种基于迁移学习和解耦负采样的推荐方法及系统；本发明根据因果推断中的对撞效应构造负采样模块得到训练数据；构建两个独立的编码器，将训练数据输入编码器中进行训练得到用户以及正负样本的真实特征和干扰特征；对真实特征和干扰特征设计解耦表征学习任务和全局对比学习任务；借鉴迁移学习中的领域对齐方法来对真实特征设计迁移学习模块；设计样本选择器模块，将真实特征以及干扰特征输入到该模块得到优化集。最后，根据优化集设计推荐损失函数去优化现有推荐模型的预测参数；被发明有效提高了现有推荐模型的鲁棒性和准确率。
-
-
-
Search Results
4
records
(took 0.021 seconds)
