-
公开(公告)号:CN119249225A
公开(公告)日:2025-01-03
申请号:CN202411310216.8
申请日:2024-09-19
Applicant: 浙江大学
IPC: G06F18/241 , G06F18/23213 , G06F18/213 , G06Q50/04 , G06N3/0442 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于长短时记忆网络的智能工厂入侵设备检测方法。本发明基于长短时记忆网络分析不同时刻智能工厂内设备所发射的信号的特征之间的时序关系,并从该时序关系中提取有关信号特征的更深层次的信息,从而提高非法入侵设备的检出效率。本发明基于特定的损失函数进行训练,使得神经网络的特征空间具有较好的稀疏性。利用该稀疏性,可以对识别出的非法入侵设备的特征进行聚类,从而实现智能工厂内非法入侵设备数量的识别。这对实际应用中查找非法入侵设备、排除非法入侵设备有着重要意义。
-
公开(公告)号:CN119247259A
公开(公告)日:2025-01-03
申请号:CN202411171541.0
申请日:2024-08-25
Applicant: 浙江大学
IPC: G01S3/14 , G06F18/241 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于空间扇区化神经网络的360°全空域波达方向估计方法,主要解决现有技术在全空域区间波达方向估计准确度差、模型训练复杂度高等问题,其实现步骤是:全空域接收信号建模与神经网络输入构建;将空域划分为扇区并计算扇区索引;利用扇区索引将全空域波达角映射到参考扇区;空间扇区化神经网络设计;空间扇区化神经网络训练与推理;利用所得扇区信息和映射后角度值恢复全空域波达角。本发明通过引入空间扇区信息实现了全空域波达角在参考扇区这一高性能区间的映射与估计,具有波达方向估计准确度高、鲁棒性强、易于训练等优点,对于新一代无线通信系统以及无源定位、目标探测等实际应用具有广阔的前景。
-