“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]用于卫星的载波同步方法、装置、电子设备及可读介质-CN202110867076.4在审
发明人：王柳一;赵磊;董玮;周欢;王斌 -专利权人：北京航天驭星科技有限公司
申请日： 2021-07-29 - 公布日： 2021-08-27 - 主分类号： H04L27/26 文献下载
摘要：该方法包括：卫星接收端获取载波输入信号；将所述载波信号进行数据分离以生成第一短训练序列、第二短训练序列、长训练序列；基于所述第一短训练序列、所述第二短训练序列生成频率偏移估量值；基于所述频率偏移估量值、所述第二短训练序列、所述长训练序列生成补偿系数；基于所述补偿系数和所述长训练序列进行整合以完成载波同步并生成载波输出信号。
用于卫星载波同步方法装置电子设备可读介质

[发明专利]全双工数字域联合自干扰抵消方法、装置和电子设备-CN202211714161.8在审
发明人：张中山;孙时振;杜昌澔;程可辛;张鸿儒;高一凡 -专利权人：北京理工大学
申请日： 2022-12-30 - 公布日： 2023-04-04 - 主分类号： H04B1/525 文献下载
摘要：本发明涉及通信技术领域，提供一种全双工数字域联合自干扰抵消方法、装置和电子设备，方法包括：接收发射信号以及自干扰信号；基于发射训练序列对自干扰信号进行训练序列同步，得到接收训练序列；基于接收训练序列对自干扰信号进行直流偏置校准，得到校准自干扰信号和校准接收训练序列；基于发射训练序列、发射训练序列的关联信号以及校准接收训练序列计算估计联合自干扰信道响应；根据发射信号、发射信号的关联信号和估计联合自干扰信道响应计算重构自干扰信号
双工数字联合干扰抵消方法装置电子设备

[发明专利]游戏智能体训练的优化方法、装置、终端设备与存储介质-CN201811492348.1有效
发明人：徐波 -专利权人：广州多益网络股份有限公司;广东利为网络科技有限公司;多益网络有限公司
申请日： 2018-12-06 - 公布日： 2022-03-25 - 主分类号： A63F13/67 文献下载
摘要：本发明公开了一种游戏智能体训练的优化方法、装置、终端设备与存储介质，包括：根据游戏脚本获取第一观测序列，并设为当前观测序列；基于预先训练的自编码网络，根据当前观测序列获得下一观测序列和当前环境回报；基于预先训练的自编码网络和预先训练的预测网络，根据当前观测序列和下一观测序列获取当前自我驱动回报；将当前环境回报和当前自我驱动回报加入到累积回报中，并判断累积回报是否小于目标值；如果累积回报小于目标值，则将下一观测序列作为当前观测序列继续训练，直至累积回报达到目标值停止训练本发明能够使游戏智能体获得额外的自我驱动回报进行训练，从而提高训练效率，节省运行资源。
游戏智能训练优化方法装置终端设备存储介质

[发明专利]一种小区信号功率测量方法-CN201810076038.5有效
发明人：蒋文豪;李铮;欧阳卫华 -专利权人：重庆航天职业技术学院
申请日： 2018-01-26 - 公布日： 2019-09-24 - 主分类号： H04B17/327 文献下载
摘要：本发明公开了一种小区信号功率测量方法，包括：终端在待测小区的频点接收样点级同步后的数据；从接收的数据中获取接收训练序列频域数据和接收训练序列时域数据；用接收训练序列频域数据除以本地训练序列频域数据，获得频域比值序列；用接收训练序列时域数据除以本地训练序列时域数据，获得时域比值序列；对频域比值序列进行滑动自相关，获得频域测量功率；对时域比值序列进行滑动自相关，获得时域测量功率；将频域测量功率和时域测量功率中较大的值作为小区信号功率
接收训练序列比值序列小区信号功率测量频域数据时域数据频域测量时域测量训练序列滑动自相关频域定时偏差频率偏差有效减少对时频点时域样点测量终端小区

[发明专利]一种小区接收信号功率测量方法-CN201810076037.0有效
发明人：李铮;欧阳卫华;蒋文豪 -专利权人：重庆邮电大学
申请日： 2018-01-26 - 公布日： 2019-11-19 - 主分类号： H04W24/02 文献下载
摘要：本发明公开了一种小区接收信号功率测量方法，包括：终端在待测小区的频点接收样点级同步后的数据；从接收的数据中获取接收训练序列频域数据和接收训练序列时域数据；用接收训练序列频域数据除以本地训练序列频域数据，获得频域比值序列；用接收训练序列时域数据除以本地训练序列时域数据，获得时域比值序列；对频域比值序列进行滑动自相关，获得频域测量功率；对时域比值序列进行滑动自相关，获得时域测量功率；将频域测量功率和时域测量功率中较大的值作为小区接收信号功率
一种小区接收信号功率测量方法

[发明专利]一种基于知识蒸馏的物品推荐方法、电子设备及存储介质-CN202211161347.5有效
发明人：沈利东;沈利辉;赵朋朋;堵瀚文;沈逸旸 -专利权人：江苏亿友慧云软件股份有限公司
申请日： 2022-09-23 - 公布日： 2022-12-09 - 主分类号： G06F16/9535 文献下载
摘要：本申请涉及机器学习技术领域，具体涉及一种基于知识蒸馏的物品推荐方法、电子设备及存储介质，所述方法包括：基于用户的物品交互记录构建训练序列和测试序列；基于所述训练序列构建用户候选物品预测模型；将所述测试序列输入所述用户候选物品预测模型进行预测其中，构建用户候选物品预测模型包括；使用随机数种子对训练序列做遮蔽处理生成若干个遮蔽序列；构建若干序列推荐平行网络，将训练序列和遮蔽序列作为输入分别输入到每个序列推荐平行网络进行预训练并进行知识蒸馏，确定用户候选物品预测模型的损失函数；基于所述损失函数对序列推荐平行网络进行迭代训练获得所述用户候选物品预测模型。
一种基于知识蒸馏物品推荐方法电子设备存储介质

[发明专利]基于OFDM高速测井遥传系统的FPGA信道预加重与均衡方法及系统-CN202011054423.3有效
发明人：赵弘炜;宋克柱;吴传 -专利权人：中国科学技术大学
申请日： 2020-09-30 - 公布日： 2021-12-14 - 主分类号： H04L27/26 文献下载
摘要：本发明涉及基于OFDM高速测井遥传系统的FPGA信道预加重与均衡方法及系统，地上通信板发送训练序列A至井下通信板，井下通信板FPGA利用A中M个重复的短训练序列进行数据同步，利用A中N个重复长训练序列训练LMS时域均衡器；将N个重复长训练序列经过时域均衡器后的第N个序列的数据使用特定信道进行4QAM的OFDM调制发送给地上通信板；地上通信板FPGA将第N个均衡后的长训练序列的数据做快速傅里叶变换，得到各个子信道的预加重系数，根据得到的各个子信道的预加重系数计算得到新的长训练序列E，并发送训练序列B至井下端通信板FPGA；井下通信板FPGA利用B中M个重复的短训练序列进行数据同步，对B中N个重复的长训练序列E，用之前训练得到的时域均衡器进行均衡
基于 ofdm 高速测井系统 fpga 信道加重均衡方法

[发明专利]一种对接收信号进行定时同步频偏估计和信道估计的方法-CN201410529644.X有效
发明人：陈凌宇;施海彬;高广波;袁艾莎 -专利权人：厦门大学
申请日： 2014-10-09 - 公布日： 2017-12-15 - 主分类号： H04L27/26 文献下载
摘要：本发明提供一种对接收信号进行定时同步频偏估计和信道估计的方法，构建一种适用于OFDM突发通信的训练序列结构，所述训练序列结构包括数据部分、两个训练序列及分别与两个训练序列对应的训练序列循环前缀，所述两个训练序列分别位于所述数据部分的两侧或者中部本发明的优点在于，用很少的训练序列开销，就可以让接收机低复杂度地完成OFDM突发通信中的定时同步，频偏估计及信道估计。
一种适用于 ofdm 突发通信训练序列结构

[发明专利]一种基于CEMD和LSTM的非平稳时间序列数据预测方法-CN202210199667.3在审
发明人：雷建军;秦振宇;程旭 -专利权人：重庆邮电大学
申请日： 2022-03-01 - 公布日： 2022-05-27 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于时间序列预测领域，尤其涉及一种基于CEMD和LSTM的非平稳时间序列数据预测方法，包括通过历史数据构建训练集，通过实时数据构建测试集；使用经验模态分解将测试集和训练集中的目标序列分解为n个本征模态函数和1个残差序列；通过聚类算法对n个本征模态函数聚类为m组，形成m个子序列；利用训练集中子序列的特征向量对深度LSTM神经网络进行训练，获取完成训练的深度LSTM神经网络；将测试集中子序列输入完成训练的深度LSTM神经网络进行预测，得到非平稳时间序列预测结果；本发明结合了EMD和聚类算法对非平稳时间序列进行重构，使得预测模型的误差更小、训练时间更短。
一种基于 cemd lstm 平稳时间序列数据预测方法

[发明专利]一种信号传输方法、装置及系统-CN202010304745.2有效
发明人：张建功;付佳彬;刘晓龙;于洋;芦嘉 -专利权人：哈尔滨海能达科技有限公司
申请日： 2020-04-17 - 公布日： 2022-07-12 - 主分类号： H04B17/309 文献下载
摘要：本发明实施例公开了一种信号传输方法及装置，该方法包括：设置了训练序列分布信息和信道环境信息的关系，在信道环境发生变化后，训练序列的分布信息也会发生变化，这样使得训练序列插入到数据中的位置和数量可以随着信道环境而发生变化由此，在信道环境满足一定条件时，可以减少训练序列插入到数据帧中的数量，从而降低了训练序列占用的资源，提升有效信息的传输效率；并且设置了前导序列和训练序列的分布信息的关系，从而使得接收端可以基于接收到的前道序列确定训练序列的分布信息
一种信号传输方法装置系统

[发明专利]信道估计方法及其装置-CN201010128400.2有效
发明人：周秦英;张小东;章程 -专利权人：展讯通信(上海)有限公司
申请日： 2010-03-18 - 公布日： 2010-08-25 - 主分类号： H04L27/26 文献下载
摘要：本发明中，利用接收到的训练序列码两边的信息数据块中数据，作为用于信道估计的接收数据。由于在传统的基于训练序列的信道估计方法中，直接把训练序列相关得到的信道估计作为数据序列的信道估计，将导致性能的严重损失。因此本发明可避免因训练序列和数据序列之间的多普勒频移而产生的性能严重损失的问题。而且，数据信息序列相对于训练序列的长度较长，因此以训练序列码两边的信息数据块中数据，作为用于信道估计的接收数据，可使得信道估计的结果更加准确。
信道估计方法及其装置

[发明专利]用于估计接收信号序列的方法和装置-CN201710272669.X有效
发明人：叶晨晖;张东旭;张凯宾 -专利权人：上海诺基亚贝尔股份有限公司
申请日： 2017-04-24 - 公布日： 2021-02-12 - 主分类号： H04L25/02 文献下载
摘要：本公开提出了一种用于估计接收信号序列的方法和装置。该方法在被配置为通过带宽受限的信道来接收信号序列的接收机处实施。该方法包括对接收机已知的训练序列进行双极性变换以获得参考序列；获得训练序列经过信道的传输和双极性变换后的失真训练序列；基于参考序列和失真训练序列来确定信道的信道系数序列；获得信号序列经过信道的传输和双极性变换后的失真信号序列；以及基于信道系数序列和失真信号序列来确定信号序列的估计。
用于估计接收信号序列方法装置

[发明专利]训练模型和图像识别的方法和装置-CN202110994071.8在审
发明人：沈力 -专利权人：京东科技信息技术有限公司
申请日： 2021-08-27 - 公布日： 2021-11-16 - 主分类号： G06N3/08 文献下载
摘要：本公开的实施例公开了训练模型和图像识别的方法和装置。该方法的具体实施方式包括：基于历史训练数据序列对初始模型进行训练得到第一模型；将当前训练数据序列输入第一模型，计算元损失函数在当前训练数据序列上的第一梯度；根据第一梯度与学习率更新第一模型的网络参数，得到第二模型；将历史训练数据序列输入第二模型，计算元损失函数在历史训练数据序列上的第二梯度；根据第一梯度和第二梯度更新学习率，并从当前训练数据序列抽取训练数据添加到记忆数据集中；基于未来训练数据序列和更新后的学习率进行模型训练
训练模型图像识别方法装置

[发明专利]抗原呈递预测模型的训练方法及其预测方法、设备和介质-CN202111054402.6在审
发明人：张碧武;李京宇;刘耿;刘宇轩 -专利权人：深圳吉诺因生物科技有限公司
申请日： 2021-09-09 - 公布日： 2023-03-14 - 主分类号： G16B40/00 文献下载
摘要：本公开提供了一种抗原呈递预测模型的训练方法及其预测方法、设备和介质，所述训练方法包括：获取抗原序列训练数据及用于表征抗原序列呈递概率的呈递概率训练数据；将抗原序列训练数据输入至待训练的抗原呈递预测模型；通过抗原呈递预测模型对抗原序列训练数据进行呈递预测处理以预测出抗原序列训练数据对应的呈递概率，其中，通过抗原呈递预测模型的特征编码模块对抗原序列训练数据进行氨基酸编码及向量映射处理；根据预测出的呈递概率及呈递概率训练数据训练抗原呈递预测模型本公开利用深度学习技术有效地建立了基于抗原序列的神经网络算法模型，有效地解决了预测新抗原呈递能力较差的问题，提升了预测抗原呈递能力的准确性和效率。
抗原呈递预测模型训练方法及其设备介质

[发明专利]实体识别模型的训练方法、装置、设备和存储介质-CN202011633046.9有效
发明人：阮鸿涛;郑立颖;胡沛弦;徐亮 -专利权人：平安科技（深圳）有限公司
申请日： 2020-12-31 - 公布日： 2023-05-30 - 主分类号： G06F18/214 文献下载
摘要：本申请涉及人工智能领域，揭示了实体识别模型的训练方法，包括：获取不完全标注的指定训练样本；将指定训练样本输入概率预测模型，得到指定训练样本中所有未标注文字分别对应的标签概率；根据指定训练样本中所有未标注文字分别对应的标签概率，通过维特比算法计算得到概率最高的标签序列；根据概率最高的标签序列，确定指定训练样本中所有未标注文字分别对应的遮盖标签；根据遮盖标签，得到指定训练样本对应的标签序列集合；根据指定训练样本对应的标签序列集合的获取方式，获取不完全标注数据集中所有训练样本分别对应的标签序列集合；在预设损失函数约束下，通过所有训练样本分别对应的标签序列集合，训练实体识别模型。更易识别真实标签序列。
实体识别模型训练方法装置设备存储介质