公开(公告)号：CN108631817B

公开(公告)日：2020-05-19

申请号：CN201810442971.X

申请日：2018-05-10

Applicant: 东北大学

Inventor： 于尧 ,  郭磊 ,  刘源

IPC: H04B1/713 ,  H04B17/391 ,  G06K9/62

Abstract: 本发明公开了一种基于时频分析和径向神经网络进行跳频信号频段预测的方法，包括如下步骤：一、采用时频分析得到跳频信号的频率以及跳频周期；二、采用RBF神经网络对跳频信号的频段进行预测，选取高斯函数作为RBF神经网络的径向基函数；通过上述优化方案可通过优化学习训练得出RBF神经网络中的中心、宽度及权值，在实际测试数据的时候可将得出的数据继续作为样本输入到网络结构当中，重复上述步骤，这样当测试的数据越多网络的结构更加精确，测量的结果也更加精确。

公开(公告)号：CN116562375A

公开(公告)日：2023-08-08

申请号：CN202310554652.9

申请日：2023-05-17

Applicant: 东北大学

Inventor： 付龙悦 ,  王骄 ,  刘明昊 ,  刘源

IPC: G06N5/04 ,  G06F17/17

Abstract: 本发明提供一种基于虚拟遗憾最小化的非零和博弈问题策略求解方法，涉及机器博弈技术领域。首先对博弈问题进行建模确定基本博弈信息；然后利用添加对手损失遗憾的虚拟遗憾最小化进行策略迭代，近似求解均衡解；最后计算多次迭代所得的平均策略作为体的决策策略，完成非零和博弈问题求解。本发明用于解决非完美信息下的非零和同步博弈问题，并在典型的游戏求解中验证了有效性。本发明改进应用于非完美信息的虚拟遗憾最小化算法，通过添加对手损失遗憾对智能体进行训练，使得求解质量与原始虚拟遗憾最小化算法相比有了较大的提升，为非零和博弈问题求解提供了一种新思路。

公开(公告)号：CN108631817A

公开(公告)日：2018-10-09

申请号：CN201810442971.X

申请日：2018-05-10

Applicant: 东北大学

Inventor： 于尧 ,  郭磊 ,  刘源

IPC: H04B1/713 ,  H04B17/391 ,  G06K9/62

Abstract: 本发明公开了一种基于时频分析和径向神经网络进行跳频信号频段预测的方法，包括如下步骤：一、采用时频分析得到跳频信号的频率以及跳频周期；二、采用RBF神经网络对跳频信号的频段进行预测，选取高斯函数作为RBF神经网络的径向基函数；通过上述优化方案可通过优化学习训练得出RBF神经网络中的中心、宽度及权值，在实际测试数据的时候可将得出的数据继续作为样本输入到网络结构当中，重复上述步骤，这样当测试的数据越多网络的结构更加精确，测量的结果也更加精确。