-
公开(公告)号:CN110889564A
公开(公告)日:2020-03-17
申请号:CN201911290170.7
申请日:2019-12-16
Applicant: 吉林大学
Abstract: 本发明设及一种基于MKPCA-RBFNN的短期电力负荷预测方法,该方法采用混合核主成成分分析与径向基神经网络模型的结合,通过混合核主成成分分析法对电力负荷数据进行降维处理,训练径向基神经网络模型,得到电力负荷预测数据。本发明提出的方法在处理复杂的电力负荷数据时,很好的适应了电力负荷数据的变化,有效的提高了电力负荷的预测精度。
-
公开(公告)号:CN105172517B
公开(公告)日:2017-07-11
申请号:CN201510408802.0
申请日:2015-07-14
Applicant: 吉林大学
IPC: B60H1/00
Abstract: 本发明涉及一种汽车空调控制系统,该系统的温度调整信号采集电路与控制器连接,电源模块与控制器连接,并通过电机供电过流保护电路与各执行器内外循环模式执行器、模式执行器、温度执行器等连接;温度调整信号采集电路中温度调整分压变阻器连接在两个分压支路电阻之间,当外部温度调整旋钮的金手指铜箔在不同档位输入端滑动时,控制器采集两路电压信号,并根据两路信号的电压差调整空调工作温度,提高了温度控制精度。电机供电过流保护电路通过第一、第二过流保护三极管构成的过流保护电路为各执行器供电;通过反馈电阻电路和开关管电路对控制器输出给执行器的电压进行监测,提高了系统的稳定性。
-
公开(公告)号:CN106503867A
公开(公告)日:2017-03-15
申请号:CN201611003309.1
申请日:2016-11-14
Applicant: 吉林大学
Abstract: 本发明公开了一种遗传算法最小二乘风电功率预测方法,利用已收集到实测风速建立遗传算法最小二乘支持向量机预测模型,确定建模所用的输入、输出变量;对原始数据进行归一化处理,利用遗传算法优化参数的数据、最小二乘支持向量机预测模型训练和测试的样本数据;对遗传算法以及最小二乘支持向量机预测模型参数初始化设置,训练模型,通过遗传算法多代进化获得优化的最小二乘支持向量机预测模型参数,建立最小二乘支持向量机预测模型;用最小二乘支持向量机预测模型对测试样本做风速短期预测。本发明运用遗传算法对LSSVM模型进行参数寻优,建立了基于GA-LSSVM的风速信息预测模型,可以出色地实现数据的精确预测。
-
公开(公告)号:CN103730006B
公开(公告)日:2015-12-02
申请号:CN201410036172.4
申请日:2014-01-26
Applicant: 吉林大学
Abstract: 本发明针对现有短时交通流量的预测模型预测精确度不高的问题,提供了一种基于灰色系统与最小二乘支持向量机组合预测的短时交通流量预测方法,本发明利用灰色模型和最小二乘支持向量机(LSSVM)等人工智能方法的优势,建立了一种灰色系统与最小二乘支持向量机组合预测模型,通过对灰色模型进行残差修正和背景值修正以及对最小二乘支持向量机进行参数寻优,提高了组合预测模型的预测精度和推广泛化能力,随着预测时间延长,基于灰色系统与最小二乘支持向量机组合预测模型具有较高的预测精度,且预测精度的稳定性较高,本方法通过实证分析,获得了良好的改进效果。
-
公开(公告)号:CN101726309A
公开(公告)日:2010-06-09
申请号:CN200910218030.9
申请日:2009-12-18
Applicant: 吉林大学
IPC: G01C21/32
Abstract: 基于道路数据增量更新的导航电子地图动态拓扑重建系统方法,涉及导航电子地图的在线增量式更新方法,采用中心端服务器、通信网络和车载导航终端构成,中心端服务器包括支持增量更新的拓扑结构数据存储模块、道路数据增量更新模块与增量更新数据包在线生成模块;通信网络采取GPRS无线通信方式,可实现中心端服务器与车载导航终端之间的数据传输;车载导航终端包括增量更新数据包解析转化模块,可以将增量更新数据合并到本地导航数据文件中。本发明能够根据路网实时变化在线更新导航电子地图,有效保证了动态交通诱导系统为驾驶员提供正确的行驶路线。
-
公开(公告)号:CN118175632A
公开(公告)日:2024-06-11
申请号:CN202311726837.X
申请日:2023-12-14
Applicant: 吉林大学
IPC: H04W72/044 , H04W4/44 , H04W72/53 , G06N3/006 , G06N20/00
Abstract: 本发明涉及一种车联网场景下基于MEC的NOMA上行功率分配优化方法。其方法为:首先建立一个非正交多址接入技术NOMA辅助的多路侧单元RSU和多车辆的多接入边缘计算MEC系统场景;其次根据车联网场景得出面向不同时延敏感型任务的上行传输阶段功率分配数学模型;最后通过基于混合NOMA分组策略UCGD‑FN的强化学习功率分配算法解决功率优化问题模型,并将数学模型最优解所对应的功率分配优化方法作为最终上行功率分配优化方法;本方法基于不同时延敏感型任务的车联网场景,提出了混合NOMA分组策略UCGD‑FN,利用强化学习功率分配算法对NOMA上行功率分配过程进行优化,将时延与能耗纳入综合考量,进一步降低了上行传输阶段车辆用户的任务完成时延,提高MEC系统性能。
-
公开(公告)号:CN114118339B
公开(公告)日:2024-05-14
申请号:CN202111337282.0
申请日:2021-11-12
Applicant: 吉林大学
IPC: G06N3/006 , G06F18/214 , G06F18/241
Abstract: 本发明公开了一种基于布谷鸟算法改进ResNet的无线电调制信号识别分类方法,首先处理训练数据集,设计ResNet网络训练模块,搭建ResNet训练网络和连接方式;其次根据布谷鸟算法相关步骤,设计CS寻优模块;然后进行无线电调制信号模型训练,并融合布谷鸟算法寻优模块不断迭代寻优,得到待优化目标超参数的优质解,残差网络根据优质解改进相关参数;最后经过训练后的网络输出准确率、混淆矩阵等,作为识别分类效果的指标,本方法采用CS算法优化初始参数设置,改变了以往凭借经验手动设置初始值不合理时影响网络训练效果及最终识别分类准确率的情况,通过迭代优化得到合适的初始权值,有效地改进了传统的ResNet训练的缺陷,同时具有很好的工程价值。
-
公开(公告)号:CN113784410A
公开(公告)日:2021-12-10
申请号:CN202111120444.5
申请日:2021-09-24
Applicant: 吉林大学
Abstract: 本发明专利公开了基于强化学习TD3算法的异构无线网络垂直切换方法,具体涉及通讯技术领域。包括如下步骤:采用熵权法计算网络状态参数的权重,构造奖励函数;初始化策略网络以及两个估计网络,对上述网络对应的目标网络初始化,并初始化经验池;演员当前网络根据网络状态参数做出切换决策,求得奖励值;采用梯度下降法训练评论家当前网络,采用梯度上升法训练演员当前网络,更新演员目标网络参数和评论家目标网络参数;在每个决策时刻进行S4‑S5的操作步骤,训练更新网络参数;根据训练好的策略网络来确定最优的切换策略。采用本发明技术方案解决了深度强化学习汇总网络参数状态动作值过高估计的问题,可用于快速选出最优切换决策。
-
公开(公告)号:CN113783959A
公开(公告)日:2021-12-10
申请号:CN202111069093.X
申请日:2021-09-13
Applicant: 吉林大学
IPC: H04L29/08 , H04L12/26 , H04L12/911
Abstract: 本发明公开了一种车联网联合优化计算任务卸载比率和资源分配方法,应用于车联网系统,方法包括步骤:确定优化平均开销的目标函数及约束条件;平均开销根据所有计算任务的卸载比率和计算资源分配信息确定,卸载比率为车辆将计算任务卸载至服务器的比率,计算资源分配信息为服务器对卸载的计算任务分配计算资源的信息;在约束条件下,基于凸优化法对目标函数进行优化,得到优化的计算资源分配信息;并基于蝴蝶优化法分别对目标函数进行优化,得到优化的卸载比率。基于凸优化法,优化得到优化的计算资源分配信息,并基于蝴蝶优化法,优化得到优化的卸载比率,充分利用车辆和服务器的资源,提高计算任务的计算效率,使得卸载比率、资源分配更合理。
-
公开(公告)号:CN113573284A
公开(公告)日:2021-10-29
申请号:CN202110685469.3
申请日:2021-06-21
Applicant: 吉林大学
Abstract: 本发明属于物联网通信技术领域,公开了大规模机器类通信基于机器学习的随机接入退避方法,包括S1:动态划分虚拟小小区,对MTCD业务分类;S2:针对退避接入问题建立马尔可夫决策过程;S3:获取MTCD服务质量参数,构建奖励函数;S4:构建评价网络Critic和策略网络Actor;S5:利用策略网络Actor生成退避接入决策;S6:最小化TD误差,更新评价网络Critic神经网络参数,并将TD误差传递给策略网络Actor;S7:获取TD误差作为优势函数更新策略网络Actor的神经网络参数,调整策略以改进回报;S8:进行N次循环迭代,训练更新网络参数;S9:为MTCD选择最优的退避接入时隙;本发明解决了现有技术MTCD随机接入网络所造成的网络拥塞问题,适用于MTCD随机接入网络。
-
-
-
-
-
-
-
-
-