专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果549992个,建议您升级VIP下载更多相关专利
  • [发明专利]训练序列生成方法、发送信号方法和装置-CN201380077334.2在审
  • 刘亚林;张佳胤;罗毅 - 华为技术有限公司
  • 2013-06-27 - 2016-01-27 - H04L12/28
  • 本发明公开了一种长训练序列生成方法、发送信号方法和设备,属于无线通信领域。所述方法包括:根据系统参数和预设序列构造公式,获取多个长训练序列,所述多个长训练序列包括多个基本训练序列和根据所述基本训练序列循环移位得到的多个移位训练序列;配置终端设备与长训练序列之间的映射规则,使得所述终端设备根据所述映射规则选择一个长训练序列作为发送信号的长训练序列运用本发明,使得接收端能够利用长训练序列优良的自相关特性和互相关特性识别出发送端,同时也可以降低接收端的能耗,提高信道估计的准确度。
  • 训练序列生成方法发送信号装置
  • [发明专利]一种基于隐训练序列的估计信道的方法和装置-CN200680034658.8无效
  • 杨绿溪;李元杰 - 皇家飞利浦电子股份有限公司;东南大学
  • 2006-08-29 - 2008-10-22 - H04L25/02
  • 本发明提供一种用于无线通信系统中基于隐训练序列的估计信道的方法和装置,其特征在于:在发射端将平稳的训练序列叠加在信息序列上发送,在接收端利用训练序列与信息序列的不相关特性对信道进行估计,即利用当发送信号中训练序列与信息序满足不相关的条件下根据本发明所提供的方法,包括步骤:获取一个训练序列集,所述训练序列集包含多个训练序列子集,所述各训练序列子集分别由一个已知的初始训练序列和预定的信道阶数产生;计算所述训练序列子集的互相关矩阵及其逆矩阵;计算所述训练序列集与接收信号的互相关矩阵;和根据所述训练序列子集的互相关逆矩阵和所述训练序列集与接收信号的互相关矩阵,估算信道参数。
  • 一种基于训练序列估计信道方法装置
  • [发明专利]一种波束训练方法及装置-CN201611042489.4有效
  • 任亚珍;蒋成钢;张盼 - 华为技术有限公司
  • 2016-11-22 - 2021-01-15 - H04B7/0413
  • 本申请公开了一种波束训练方法及装置,包括:第一设备接收第二设备发送的N组训练序列;其中,所述N组训练序列中的每组训练序列对应一种波束组合,所述N为大于0的正整数;所述第一设备分别根据接收到的所述N组训练序列中的每组训练序列进行信道估计,并根据所述信道估计的结果获得在所述每组训练序列下的信道容量;所述第一设备将所述第二设备发送目标训练序列所对应的波束组合作为最优波束组合;其中,所述目标训练序列属于所述N组训练序列,且在所述目标训练序列下获得最大的信道容量
  • 一种波束训练方法装置
  • [发明专利]一种训练序列偏移的分配方法和装置-CN201010144368.7无效
  • 魏立梅;赵渊;沈东栋 - 鼎桥通信技术有限公司
  • 2010-04-08 - 2011-10-12 - H04L1/00
  • 本发明提供了一种训练序列偏移的分配方法,根据预先定义的训练序列偏移和信道码之间的映射关系树图的层次,设置位于所述树图中各个层次的训练序列偏移的分配优先级;在给一个信道分配训练序列偏移时,根据该信道占用的信道资源确定分配给该信道的信道码的扩频因子;根据所述扩频因子查找预先定义的训练序列偏移和信道码之间的映射关系树图,确定该扩频因子可用的训练序列偏移,并在所述可用训练序列偏移中选择所有当前空闲的训练序列偏移;以及在所述当前空闲的训练序列偏移中,选择具有最高分配优先级的一个训练序列偏移本发明还提供了一种训练序列偏移的分配装置。本发明方案使得扩频因子较小的信道更容易分配到训练序列偏移。
  • 一种训练序列偏移分配方法装置
  • [发明专利]模型训练方法、序列生成方法、装置、设备和存储介质-CN202210684473.2在审
  • 陶大程;丁亮;张峥 - 京东科技信息技术有限公司
  • 2022-06-16 - 2022-09-02 - G06K9/62
  • 本发明实施例公开一种模型训练方法、序列生成方法、装置、设备和存储介质,模型训练方法包括:对训练输入序列进行加扰处理,得到加扰序列;基于加扰序列确定原始序列生成模型的编码器的编码损失;获取原始序列生成模型的整体训练损失;基于整体训练损失和编码损失调整原始序列生成模型的业务参数,得到用于执行序列生成任务的目标序列生成模型。即本发明实施例的模型训练方法,通过对训练输入序列加扰确定编码器的编码损失,将编码损失和原始序列生成模型的整体训练损失联合指导模型训练,使得编码器学到更鲁棒的特征表达,从而避免了源语句受到扰动时语义信息被破坏,提升了编码器的鲁棒性,进而提升了最终训练得到的序列生成模型的鲁棒性。
  • 模型训练方法序列生成装置设备存储介质
  • [发明专利]视频特征提取器的无监督训练-CN202111240188.3在审
  • M·诺鲁兹;N·贝尔曼 - 罗伯特·博世有限公司
  • 2021-10-25 - 2022-05-17 - G06V10/774
  • 提供了视频特征提取器的无监督训练。本发明涉及一种训练视频特征提取器的计算机实现的无监督学习方法(600)。视频特征提取器被配置成从视频序列中提取特征表示。该方法使用表示多个训练视频序列训练数据。从多个训练视频序列训练视频序列中,选择当前子序列;在当前子序列先前的先前子序列;和在当前子序列后续的后续子序列。视频特征提取器被应用于当前子序列,以提取当前子序列的当前特征表示。从给定当前特征表示的先前和后续子序列的联合可预测性中导出训练信号。基于训练信号更新视频特征提取器的参数。
  • 视频特征提取监督训练
  • [发明专利]全局归一化神经网络-CN201780028094.5有效
  • C.阿尔贝蒂;A.塞弗因;D.安多尔;S.佩特罗夫;K.G.甘切夫;D.J.韦斯;M.J.柯林斯;A.普雷斯塔 - 谷歌有限责任公司
  • 2017-01-17 - 2021-11-30 - G06N3/08
  • 一种包括在训练数据上训练具有参数的神经网络的方法,其中所述神经网络接收输入状态并且处理所述输入状态以针对决策集中的每个决策生成相应的得分。所述方法包括接收包括训练文本序列、以及针对每个训练文本序列的对应的金决策序列训练数据。所述方法包括在所述训练数据上训练所述神经网络以确定所述神经网络的参数的训练值。训练所述神经网络包括针对每个训练文本序列:维持针对训练文本序列的候选决策序列波束、通过一次添加一个决策来更新每个候选决策序列、确定与所述金候选决策序列的前缀匹配的金候选决策序列已经从所述波束中退出、以及作为响应
  • 全局归一化神经网络

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top