“训练序列”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

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]训练文本生成模型的方法和装置、文本生成方法和装置-CN202111496458.7在审
发明人：陈启贤;王浪 -专利权人：珠海金山办公软件有限公司;北京金山办公软件股份有限公司;武汉金山办公软件有限公司
申请日： 2021-12-08 - 公布日： 2023-04-25 - 主分类号： G06F16/35 文献下载
摘要：本公开涉及训练文本生成模型的方法和装置、文本生成方法和装置、电子设备以及计算机可读存储介质，涉及文本生成技术领域。所述方法包括：获取第一训练数据集；第一训练数据集中的训练数据包括第一词语序列、以第一词语序列作为生成约束的第一标签序列，第一标签序列中包括插入类标签；获取第二训练数据集；第二训练数据集中的训练数据包括第二词语序列、以第二词语序列作为生成约束的第二标签序列，第二标签序列中包括插入类标签和非插入类标签；将第一词语序列输入至第一文本生成模型进行序列生成任务训练，得到第二文本生成模型；将第二词语序列输入至第二文本生成模型进行序列生成任务训练
训练文本生成模型方法装置

[发明专利]一种对时间序列进行建模并识别的方法-CN201610671152.3有效
发明人：孙富春;黄文炳;曹乐乐;杨豪琳 -专利权人：清华大学
申请日： 2016-08-15 - 公布日： 2022-03-25 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种对时间序列进行建模并识别的方法，属于机器学习领域。该方法包括将传感器采集的数据按采集时间先后顺序排列而成的动态数据构成L条时间序列，随机选择L条时间序列中的60％‑80％的N条时间序列作为训练集，剩下的时间序列作为测试集；对训练集中的每一条时间序列采用线性动态系统模型进行建模，并训练集每一条时间序列的特征表示；随机从训练集中抽取J条时间序列作为字典组成字典集，从得到的训练集每一条训练时间序列的特征表示，学习出字典集的每一条时间序列的最优特征表示，同时计算每一条训练时间序列在字典集下的编码系数；用训练集的编码系数训练支持向量机模型，实现对时间序列的识别。
一种时间序列进行建模识别方法

[发明专利]基于压缩感知信道估计的时域训练序列的填充方法及系统-CN201510294279.3有效
发明人：宋健;马旭;杨昉;丁文伯;潘长勇 -专利权人：清华大学;国网河南省电力公司郑州供电公司;国家电网公司
申请日： 2015-06-02 - 公布日： 2019-02-05 - 主分类号： H04L25/02 文献下载
摘要：本发明公开了一种基于压缩感知信道估计的时域训练序列的填充方法和系统，所述方法包括：S1.根据所需的最大信道长度L随机生成n_d个L长的等幅序列组成等幅序列集合；S2.采用遗传算法计算对所述等幅序列集合进行计算，得到适应度最优的等幅序列；S3.将所述最优的等幅序列进行L点离散傅里叶逆变换，循环扩充到所需的训练序列的长度M，作为获得的时域训练序列；S4.将所述时序训练序列填充到块传输系统当中，在发射端将所述时序训练序列连同数据域一起发射；在接收端，利用训练序列的无块间干扰区域对信道进行压缩重建。本发明具有如下优点：实现信道时域冲激响应的重建，训练序列构造简单、频谱效率高、精度高。
基于压缩感知信道估计时域训练序列填充方法系统

[发明专利]一种高效同步的并行组合扩频系统发射与接收方法-CN201510058985.8有效
发明人：李北明;郭黎利;孙志国;姜晓菲;王俊;齐书恒 -专利权人：哈尔滨工程大学
申请日： 2015-02-05 - 公布日： 2017-08-04 - 主分类号： H04B1/7075 文献下载
摘要：发射方法为将训练序列和r‑1个序列进行叠加发射；接收方法为步骤一，天线接收信号；步骤二训练序列同步模块将接收的信号与初始本地载波信号相乘；步骤三训练序列相关器输出模块将接收到的信号与初始捕获相位的本地训练序列进行相关处理，将结果与门限比较，如果大于门限，转到步骤四；如果小于门限，调整本地训练序列的捕获相位和本地载波相位，返回步骤二；步骤四训练序列同步模块将结果传送给并行组合扩频M‑1个相关器，选择出r‑1个序列，判断r‑1个序列是否都大于门限，如果小于，得到训练序列；如果大于，从r‑1个序列中选择最大序列，进行逆映射恢复数据。
一种高效同步并行组合系统发射接收方法

[发明专利]产生训练符号及训练符号进行偏移估计的方法和装置-CN200710000762.1无效
发明人：任光亮;张晓辉;韩俐;张少波;张超 -专利权人：华为技术有限公司;西安电子科技大学
申请日： 2007-01-19 - 公布日： 2008-07-23 - 主分类号： H04L27/26 文献下载
摘要：本发明公开了一种产生训练符号的方法，该方法包括：产生训练符号的循环前缀；对恒包络零自相关(CAZAC)序列进行转换，获得该序列的转换序列，利用CAZAC序列和该序列的转换序列产生训练符号的数据部分；将产生的训练符号的循环前缀和数据部分连接，产生出训练符号。本发明还公开了一种训练符号进行偏移估计的方法，该方法根据训练符号的数据部分是利用CAZAC序列和该序列的转换序列产生的性质，确定出用于偏移估计的归一化滑动互相关函数；计算接收到的复基带信号采样数据的归一化滑动互相关函数值本发明另外公开了产生训练符号和训练符号进行偏移估计的装置。
产生训练符号进行偏移估计方法装置

[发明专利]一种用于消除训练序列的Turbo方法-CN03117355.1无效
发明人：唐友喜;罗涛;严春林;李少谦 -专利权人：电子科技大学
申请日： 2003-02-26 - 公布日： 2004-09-01 - 主分类号： H04J11/00 文献下载
摘要：本发明提供了一种用于消除训练序列的turbo(循环处理)方法，它是通过接收端根据每次循环处理过程中的信道估计值和随信道估计精度的提高而增大的消除训练序列加权系数，将接收信号中叠加的训练序列减去，同时，利用训练序列自相关性强的特点，将处理后的数据与本地产生的相同的训练序列作相关运算。采用本发明能够按照通信系统要求有效地消除直接叠加在有用信号上的训练序列，从而突破直接叠加训练序列的方法的使用局限。
一种用于消除训练序列 turbo 方法

[发明专利]一种频偏估计方法-CN200710119875.3有效
发明人：齐丙花;薛强;李克;张坚强 -专利权人：鼎桥通信技术有限公司
申请日： 2007-08-02 - 公布日： 2009-02-04 - 主分类号： H04B1/707 文献下载
摘要：本发明公开了一种频偏估计方法，包括：从接收信号中分离出叠加训练序列；根据信道估计结果或训练序列的延迟相关结果，获取每个用户最强径的位置；从所述叠加训练序列中截取每个用户最强径对应的训练序列；利用所述每个用户最强径对应的训练序列与本地产生的对应用户的训练序列进行相关计算
一种估计方法

[发明专利]基于共轭对称训练序列的移动通信系统载波频偏估计方法-CN201710112331.8有效
发明人：刘健;袁亚林;纪新 -专利权人：北京科技大学
申请日： 2017-02-28 - 公布日： 2019-08-20 - 主分类号： H04L27/00 文献下载
摘要：本发明公开了一种基于共轭对称训练序列的移动通信系统频偏估计方法，发送端构建基于长训练序列的训练符号并构建发送符号进行发送，其中长训练序列由两个长度为L的相同序列构成，每个序列由序列A和B组成，且序列A和B呈共轭对称关系，接收端提取出两组序列A和B的接收信号并分别进行相乘操作，根据相乘结果得到两个频偏估计值，平均后得到最终的频偏估计值。本发明中设计了一种基于共轭对称序列的长训练序列，利用内部数据空间的改进，增大了长训练序列的可估计频偏范围，为频偏估计提供更多选择方案。
基于共轭对称训练序列移动通信系统载波估计方法

[发明专利]项目推荐模型的处理方法、装置、计算机设备和存储介质-CN201910984752.9有效
发明人：江浩川;原发杰;张立广;熊义林 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-10-16 - 公布日： 2022-03-08 - 主分类号： G06F16/9535 文献下载
摘要：本申请实施例公开了一种项目推荐模型的处理方法、装置、计算机设备和存储介质，可获取训练时间序列，训练时间序列中包括目标用户的历史交互项目的项目向量；通过待训练项目推荐模型的编码器层，分析训练时间序列的结构特征，得到各项目向量对应的条件向量；将训练时间序列和各项目向量对应的条件向量作为待训练项目推荐模型的解码器层的输入，通过该解码器层得到预测时间序列；基于训练时间序列和预测时间序列优化待训练项目推荐模型，得到项目推荐模型，通过本实施例，在训练项目推荐模型时，对于训练时间序列中某时间节点的推荐结果，可基于该时间节点之前和之后的项目向量进行优化，有利于提升项目推荐模型的预测准确度。
项目推荐模型处理方法装置计算机设备存储介质

[发明专利]序列标注方法、系统、计算机设备及计算机可读存储介质-CN201910984286.4有效
发明人：金戈;徐亮 -专利权人：平安科技（深圳）有限公司
申请日： 2019-10-16 - 公布日： 2023-08-08 - 主分类号： G06F16/35 文献下载
摘要：本发明实施例公开了一种序列标注方法，包括：获取训练样本集，所述训练样本集包括多个训练样本数据，每个训练样本数据包括一输入文本序列以及输入文本序列对应的标签；对每个所述训练样本数据进行预处理，以得到各个所述训练样本数据对应的向量数据；将各个所述训练样本数据对应的向量数据输入到一阶隐马尔可夫模型中，以构建各个训练样本数据匹配的特征向量；将各个所述样本数据对应的特征向量输入到神经网络模型中进行训练，以生成序列标注模型；将待标注序列输入至序列标注模型中，以得到待标注序列对应的目标标签序列。本发明实施例还公开了一种序列标注系统、计算机设备及可读存储介质。本发明实施例的有效果在于使得序列标注更加准确。
序列标注方法系统计算机设备可读存储介质

[发明专利]一种相位偏差的补偿方法及装置-CN201410260927.9有效
发明人：王卫明;耿敏明 -专利权人：中兴通讯股份有限公司
申请日： 2014-06-12 - 公布日： 2019-10-18 - 主分类号： H04L25/02 文献下载
摘要：本发明提供一种相位偏差的补偿方法及装置，应用于接收端所接收到的第一训练序列与第二训练序列之间的数据序列；方法包括：确定出第一训练序列与用于参照的标准训练序列之间的第一相位差，以及第二训练序列与标准训练序列之间的第二相位差；根据所述第一相位差和第二相位差确定组成所述数据序列的多个子数据序列中需要进行相位补偿的子数据序列；利用所述第一相位差和第二相位差计算需要进行相位补偿的子数据序列对应的相位补偿值；利用子数据序列对应的相位补偿值对所述需要进行相位补偿的子数据序列进行相位补偿本发明的方案能够提高接收端对数据序列中相位偏差的纠正能力。
一种相位偏差补偿方法装置

[发明专利]一种数据传输方法、收发设备及系统-CN201580081404.0有效
发明人：马文凯;万金;袁贺;周素杰;雍芝奎 -专利权人：华为技术有限公司
申请日： 2015-09-21 - 公布日： 2020-06-02 - 主分类号： H04L7/00 文献下载
摘要：一种数据传输方法、收发设备及系统，用以降低收发设备从接收训练序列切换至接收业务序列时的TR鉴相噪声。本发明实施例包括：第一收发设备接收第二收发设备发送的第一训练序列，将根据第一训练序列进行信道估计确定出的优化后编码格式和优化后功率发送给第二收发设备，接收使用优化后功率和第一收发设备已知的第一编码格式进行调制的第二训练序列，第一收发设备的AGC模块输出的AGC系数从对应于第一训练序列的值收敛为对应于第二训练序列的值，根据第一编码格式对调制后的第二训练序列进行解调操作；接收使用优化后功率和优化后编码格式进行调制的业务序列，AGC模块输出的AGC系数从对应于第二训练序列的值收敛为对应于业务序列的值。
一种数据传输方法收发设备系统

[发明专利]抗干扰数字电视地面广播发射机调制方法-CN200810228285.9无效
发明人：郑紫微;徐铁峰;聂秋华;何加铭 -专利权人：宁波大学
申请日： 2008-10-27 - 公布日： 2009-04-29 - 主分类号： H04L27/26 文献下载
摘要：本发明公开了一种基于嵌入训练序列和LDPC编码的数字电视地面广播发射机调制方法，它包括：1)将输入比特流经LDPC编码在频域上形成FFT编码数据块；2)经IFFT将FFT编码数据块变换为时域离散编码数据样值块；3)将训练序列作实部序列、将业务指标序列作虚部序列构成复数训练序列离散样值块；4)将复数训练序列连续重复4次形成时域嵌入训练序列离散样值块；5)将时域离散编码数据样值块、时域嵌入训练序列离散样值块直接叠加形成时域嵌入训练序列编码数据块；6)将循环前缀插入到时域嵌入训练序列编码数据块形成信号帧；7)用平方根升余弦滚降滤波器对信号帧脉冲成形；8)将基带信号上变频至载波上。
抗干扰数字电视地面广播发射机调制方法

[发明专利]存储器高效的基于时间的反向传播-CN201780031192.4有效
发明人：马克·兰奇托特;奥德吕娜斯·格鲁斯里斯;伊沃·达尼赫尔卡;雷米·穆尼奥斯 -专利权人：渊慧科技有限公司
申请日： 2017-05-19 - 公布日： 2021-11-26 - 主分类号： G06N3/04 文献下载
摘要：用于使用基于时间的反向传播来在训练序列上训练递归神经网络的方法、系统和装置，包括在计算机存储介质上编码的计算机程序。在一个方面，一种方法包括：接收训练序列，包括在多个时间步中的每一个处的相应输入；获得定义分配给存储用于在反向传播期间使用的前向传播信息的存储量的数据；根据训练序列中的时间步的数量和根据分配给存储前向传播信息的存储量，确定用于处理训练序列的训练策略，其中，训练策略定义在训练序列的前向传播期间何时存储前向传播信息；以及根据训练策略在训练序列上训练递归神经网络。
存储器高效基于时间反向传播

[发明专利]模型训练方法以及装置-CN202310715647.1在审
发明人：范晓宁;杨洪鑫;郑岩;杜建明 -专利权人：支付宝实验室（新加坡）有限公司
申请日： 2023-06-15 - 公布日： 2023-09-12 - 主分类号： G06N20/00 文献下载
摘要：本说明书实施例提供模型训练方法以及装置，其中所述模型训练方法包括：通过中间序列模型对目标数据序列对进行处理，获得所述目标数据序列对的序列相似度；在所述序列相似度大于序列相似度阈值的情况下，在所述目标数据序列对中提取文本对，并利用所述文本对训练初始文本模型，获得中间文本模型；通过所述中间文本模型对目标文本对进行处理，获得所述目标文本对的文本相似度；在所述文本相似度大于文本相似度阈值的情况下，加载所述目标文本对关联的数据序列对，并利用所述数据序列对训练中间序列模型，直至获得满足训练停止条件的目标序列模型和目标文本模型。实现双轮迭代训练的方式，提高模型训练效率，以及较少打标消耗的人力资源。
模型训练方法以及装置