公开(公告)号：CN118979489A

公开(公告)日：2024-11-19

申请号：CN202411468194.8

申请日：2024-10-21

Applicant: 浙江工业大学

Inventor： 方俊杰 ,  宋晨 ,  王康 ,  姚康 ,  史吏

IPC: E02D3/10

Abstract: 本发明公开了一种组合式软土地基节能处理方法，创造性的将气举和循环开关泵融入至传统真空预压中，气举可以周期性的清空排水板板芯存水从而保证真空荷载沿排水板的无衰减传递，循环开关泵使得真空度周期性的变化从而在真空预压前期缓解淤堵且显著节能，通过合理组合气举周期和开关泵周期以实现固结压力提升和节能效果最大化。本发明采用气举联合循环真空加载的方式对软土土体进行高效、节能的固结处理，有广阔的应用前景及良好的社会效益，作为一种新型节能软土固结方法对促进碳中和具有重要意义。

公开(公告)号：CN116055273B

公开(公告)日：2024-06-28

申请号：CN202310055588.X

申请日：2023-01-19

Applicant: 浙江工业大学

Inventor： 韩会梅 ,  朱力 ,  周宇轩 ,  郎耀铭 ,  宋晨

IPC: H04L27/22 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明涉及一种神经网络级联的QPSK接收机辅助模型训练方法，包括：搭建QPSK系统模型，使用QPSK系统模型获取训练数据集，搭建并训练rethink神经网络模型，rethink神经网络模型用于对经过编码和噪声影响的信号进行解调，生成预测标签；搭建并训练LSTM_CNN神经网络模型，LSTM_CNN神经网络模型用于对第一QPSK接收机辅助模型输出的预测标签进行译码。本发明的方法所训练的两个模型分别具有解调和信道译码两个小型神经网络，相比于Deepreceiver的深度神经网络，这两个小型神经网络显著减少了网络复杂度、能针对局部进行优化、应用更灵活，信息处理能力和信息恢复性能也在Deepreceiver的基础上得到了进一步提升。

公开(公告)号：CN116055273A

公开(公告)日：2023-05-02

申请号：CN202310055588.X

申请日：2023-01-19

Applicant: 浙江工业大学

Inventor： 韩会梅 ,  朱力 ,  周宇轩 ,  郎耀铭 ,  宋晨

IPC: H04L27/22 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明涉及一种神经网络级联的QPSK接收机辅助模型训练方法，包括：搭建QPSK系统模型，使用QPSK系统模型获取训练数据集，搭建并训练rethink神经网络模型，rethink神经网络模型用于对经过编码和噪声影响的信号进行解调，生成预测标签；搭建并训练LSTM_CNN神经网络模型，LSTM_CNN神经网络模型用于对第一QPSK接收机辅助模型输出的预测标签进行译码。本发明的方法所训练的两个模型分别具有解调和信道译码两个小型神经网络，相比于Deepreceiver的深度神经网络，这两个小型神经网络显著减少了网络复杂度、能针对局部进行优化、应用更灵活，信息处理能力和信息恢复性能也在Deepreceiver的基础上得到了进一步提升。