-
公开(公告)号：CN115987724B
公开(公告)日：2024-08-16
申请号：CN202211666415.3
申请日：2022-12-23
Applicant: 清华大学深圳国际研究生院
Abstract: 一种水下无线光通信的信道估计方法，包括如下步骤：S1、根据接收到的光OFDM信号的导频信息，利用最小二乘LS算法进行信道估计，得到信道估计的频域值，利用快速傅里叶逆变换IFFT将估计结果变换到时域；S2、分别计算循环前缀CP长度之外分量时域噪声的二倍平均功率及最大功率作为两个噪声阈值门限，对二者进行平滑处理得到最终的DFT信道估计噪声阈值，其中，所述平滑处理所需的平滑系数在不同信噪比SNR下多次仿真获得，根据噪声情况自适应地调整所述平滑系数；S3、用得到的DFT信道估计噪声阈值对信道估计的时域值进行去噪处理，再将其变换回频域完成信道估计。本发明可以在不同信道的信噪比下提高信道估计性能，在水下无线光通信上具有很好应用前景。
-
公开(公告)号：CN111862009B
公开(公告)日：2024-01-16
申请号：CN202010634005.5
申请日：2020-07-02
Applicant: 清华大学深圳国际研究生院
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种眼底OCT图像的分类方法及计算机可读存储介质,方法包括：S1：获取待分类的眼底OCT图像；S2：采用训练好的卷积神经网络模型对所述待分类的眼底OCT图像进行分类，所述卷积神经网络模型是串行结构；S3：得到所述待分类的眼底OCT图像的分类结果。通过采用串行结构的卷积神经网络模型对眼底OCT图像进行分类，基于卷积神经网络框架，通过迭代训练有效地提升了分类网络的精度，能够在数据标注不足/小规模数据集的情况下实现端到端的视网膜病变OCT图像分类。
-
公开(公告)号：CN113673836B
公开(公告)日：2023-08-18
申请号：CN202110863993.5
申请日：2021-07-29
Applicant: 清华大学深圳国际研究生院 , 深圳市众行网科技有限公司
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/26 , G06F30/20
Abstract: 本发明公开了一种基于强化学习的共享公交车贴线调度方法，包括如下步骤：S1：基于真实数据搭建公交路网仿真模型作为强化学习的环境；S2：使用多智能体强化学习对共享公交车调度模型进行优化、分析与验证。本发明考虑交通路网中的动态变化带来的影响，基于真实的数据搭建公交路网仿真模型作为强化学习的环境，使用多智能体强化学习的算法对调度模型进行优化、分析与验证，可以有效提高公司收益，并且具有更高的鲁棒性，是一种高效实用的共享公交车调度算法。
-
公开(公告)号：CN116258253A
公开(公告)日：2023-06-13
申请号：CN202310076207.6
申请日：2023-02-07
Applicant: 清华大学深圳国际研究生院 , 深圳市众行网科技有限公司
IPC: G06Q10/04 , G08G1/01 , G06Q50/30 , G06N7/01 , G06N3/08 , G06N3/049 , G06N3/0464 , G06N3/0442
Abstract: 一种基于贝叶斯神经网络的车辆OD预测方法，包括如下步骤：对时间进行编码，构建不同时刻的时间编码表征不同的时间段信息；以时空多图卷积网络ST‑MGCN作为模型基础，将其中图结构从静态的邻接矩阵改为贝叶斯图嵌入，将时间编码作为输入送入线性映射的贝叶斯神经网络，将图嵌入输出为一个概率分布，通过每次从概率分布中采样得到对应的图嵌入，由此构建时空贝叶斯图卷积网络ST‑BGCN；通过时空贝叶斯图卷积网络ST‑BGCN来进行车辆OD预测。本发明使得OD预测结果能够展示出不同时间下地区间的联系，增强了预测结果的鲁棒性。实验证明，本发明的方法性能优于基准方法，同时能够给出不确定的方差。
-
公开(公告)号：CN115987724A
公开(公告)日：2023-04-18
申请号：CN202211666415.3
申请日：2022-12-23
Applicant: 清华大学深圳国际研究生院
Abstract: 一种水下无线光通信的信道估计方法，包括如下步骤：S1、根据接收到的光OFDM信号的导频信息，利用最小二乘LS算法进行信道估计，得到信道估计的频域值，利用快速傅里叶逆变换IFFT将估计结果变换到时域；S2、分别计算循环前缀CP长度之外分量时域噪声的二倍平均功率及最大功率作为两个噪声阈值门限，对二者进行平滑处理得到最终的DFT信道估计噪声阈值，其中，所述平滑处理所需的平滑系数在不同信噪比SNR下多次仿真获得，根据噪声情况自适应地调整所述平滑系数；S3、用得到的DFT信道估计噪声阈值对信道估计的时域值进行去噪处理，再将其变换回频域完成信道估计。本发明可以在不同信道的信噪比下提高信道估计性能，在水下无线光通信上具有很好应用前景。
-
Patent Agency Ranking
公开(公告)号：CN115983320A
公开(公告)日：2023-04-18
申请号：CN202211657889.1
申请日：2022-12-22
Applicant: 清华大学深圳国际研究生院 , 深圳清华大学研究院
Abstract: 一种基于深度强化学习的联邦学习模型参数量化方法，包括如下步骤：S1、获取当前的全局模型参数；S2、统计当前的全局模型参数的M个百分位点作为深度强化学习智能体观测到的环境状态；S3、根据智能体输出的动作，按照给定规则构建L个量化阶点，作为量化操作的映射集；S4、量化传输：进行X个回合的模型量化和传输，每一回合的量化均采用上一步骤的量化映射集，并统计该X个回合的量化误差和训练误差，计算其均值并根据奖励函数得到奖励值，输入到智能体作为反馈；S5、智能体持续记录每次的状态、动作和奖励情况，当记录的数量达到给定阈值时更新智能体的网络模型。本方法具有较小的量化误差和较高的测试准确率。
-
公开(公告)号：CN113537650A
公开(公告)日：2021-10-22
申请号：CN202111088110.4
申请日：2021-09-16
Applicant: 清华大学深圳国际研究生院 , 深圳市众行网科技有限公司
Abstract: 本发明公开了基于启发式算法和时变行驶时间的公交排班表生成算法，包括：S1、初始化该公交线路的所有车的状态；S2、在当前发车时间点，根据车的可用时间判断状态是否需要改变；S3、完成状态判断后，将状态为在主场站空闲的车依序添加到集合IB中，将状态为在副场站空闲的车依序添加到集合IV中；S4、在当前发车时间点，从发车场站的集合中选择第一辆公交车执行任务，并把该车状态变更为从发车场站开往目的地场站，可用时间变更为当前发车时间点加上从发车场站到目的地场站的时变行驶时间再加上对应休息时间得到的时间点；S5、遍历该公交线路的初始发车时刻表，在每一发车时间点执行S2~S4，生成公交排班表。
-
公开(公告)号：CN112887248A
公开(公告)日：2021-06-01
申请号：CN202110030405.X
申请日：2021-01-11
Applicant: 清华大学深圳国际研究生院
IPC: H04L27/26 , H04K1/02 , H04B10/114
Abstract: 本发明公开了基于时域人工噪声的通信方法，包括：初始化人工噪声向量并进行预编码，以生成与合法信道正交的目标人工噪声；对发射信号的频域复数信号作厄米特对称，之后进行快速傅里叶反变换，生成时域信号向量，对时域信号向量插入循环前缀，并叠加目标人工噪声，形成最终发射信号；对合法用户和窃听者接收的时域信号分别先进行循环前缀的消除，再进行快速傅里叶变换，分别得到合法用户和窃听者的接收频域信号，再分别作厄米特反对称，分别得到合法用户频域信号YB和窃听者频域信号YE；利用YB和合法信道的频域信道矩阵恢复出合法用户的最终接收信号；利用YE和窃听信道的频域信道矩阵恢复出窃听者的最终接收信号。
-
公开(公告)号：CN112837388A
公开(公告)日：2021-05-25
申请号：CN202110136787.4
申请日：2021-02-01
Applicant: 清华大学深圳国际研究生院
Abstract: 一种多光源图片生成方法，包括如下步骤：S1、通过高斯随机分布生成模拟随机的光源位置的二维高斯概率图；S2、利用导向滤波对所述二维高斯概率图的边缘进行引导，从而使其沿输入单光源图片的边缘分布，生成光源分布概率图；S3、进行基于真实光源分布的候选光源选择，选取来自同一组数据集中的光源数据乘到滤波后的光源分布概率图上，生成多光源图片的光源分布图，并进一步生成多光源图片。本发明的多光源图片生成方法克服目前多光源色彩恒常问题中缺乏良好标注质量的数据集的问题，能够利用现有的单光源图片及其光源分布生成符合物理规律的多光源图片，是一种应用前景很好的数据扩增方案。
-
公开(公告)号：CN112819787A
公开(公告)日：2021-05-18
申请号：CN202110136230.0
申请日：2021-02-01
Applicant: 清华大学深圳国际研究生院
Abstract: 一种多光源预测方法，包括如下步骤：由特征提取网络进行图像的色彩与语义特征的解耦，得到高维特征矩阵；由主成光源预测网络，通过所述特征提取网络得到的高维特征矩阵进行主成光源的光源值的预测；由光源分布权重图预测网络，通过所述特征提取网络中得到的高维特征矩阵，实现像素级的光源分布权重图预测。本方法克服数码相机成像时的多光源色彩恒常问题，能够有效的完成基于场景语义信息的多光源预测，同时，该方法对于不同的光照模式都有较好的适应性，能够实现从现实各类情况的多光源图片中获得准确的光源分布以及光源色彩信息。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.037 seconds)
