公开(公告)号：CN120017194A

公开(公告)日：2025-05-16

申请号：CN202510104577.5

申请日：2025-01-23

Applicant: 同济大学

Inventor： 凌子寒 ,  黄新林

IPC: H04B17/391 ,  G06F30/13 ,  G06F30/27 ,  G06N20/20

Abstract: 本发明提供了一种基于射线追踪与集成的隧道环境信道建模方法，该方法使用射线追踪方法建立隧道环境下多种通信配置的信道特征参数数据集，使用基于MLP与XGBoost结合的集成学习方法，MLP预训练对于信道环境参数进行特征提取，XGBoost利用这些特征进行更精准的预测，以此实现隧道环境下的高精度信道快速模型。本发明可以提供一个智能信道模型，在拥有较快模型速度的前提下，同时具备较高精度。本发明为隧道通信系统设计提供基础，帮助优化网络架构和参数设置，确保通信质量和可靠性。

公开(公告)号：CN119907023A

公开(公告)日：2025-04-29

申请号：CN202510084714.3

申请日：2025-01-20

Applicant: 同济大学

Inventor： 兰蒙 ,  黄新林 ,  刘剑锋 ,  王盛宇 ,  凌子寒 ,  汤昊晨 ,  徐中伟

IPC: H04W24/02 ,  H04W4/02 ,  H04W4/42 ,  H04B17/373 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0475

Abstract: 本发明属于通信技术、神经网络领域，提供了一种基于位置信息编码和周期非线性神经网络的车地无线信道预测方法，适用于车地无线通信系统的优化。其具体步骤如下：S1：采集列车的位置信息及无线信道实例，对采集到的信道实例进行位置编码，将信道实例映射到高维的傅里叶特征空间；S2：整合周期非线性神经网络，构建生成式深度神经网络，基于位置信息编码和周期非线性神经网络对信道实例进行学习和建模；S3：应用训练好的模型进行实时信道预测，支持无线通信系统的动态优化。本发明提高了车地无线信道预测的精度和效率，具有显著的技术优势。

公开(公告)号：CN117808522A

公开(公告)日：2024-04-02

申请号：CN202410021576.X

申请日：2024-01-06

Applicant: 同济大学

Inventor： 黄智杰 ,  黄新林 ,  刘剑锋 ,  卞梦奇 ,  王盛宇 ,  凌子寒

IPC: G06Q30/0202 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/096 ,  G06F18/213 ,  G06F18/211 ,  G06F18/21 ,  G06F123/02

Abstract: 一种基于信息交互和模型迁徙的家电产品双网融合方法，使用基于CNN‑LSTM结构与Attention机制结合的迁移学习网络，CNN‑LSTM结构用于对源域与目标域的特征进行提取，Attention机制用于优化提取到的特征以改善最终预测效果，迁移学习机制将源域特征与目标域特征的距离加入到自定义损失函数中，实现销售回收量的预测。本发明可以提高家电销售回收量预测的准确度，有助于制造商、销售商更好地规划生产和库存管理，以满足市场需求，优化资源配置，降低成本，提高客户满意度，从而增强企业竞争力，通过销售回收信息的高效交互实现家电回收再利用网络与销售服务网络相互融合。本发明还可应用于其他领域的销售回收量预测。