公开(公告)号：CN114841063A

公开(公告)日：2022-08-02

申请号：CN202210447896.2

申请日：2022-04-26

Applicant: 重庆邮电大学

Inventor： 庞育才 ,  赵舒安 ,  段思睿 ,  刘松 ,  余翔

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/04

Abstract: 本发明涉及一种基于深度学习的航空发动机剩余寿命预测方法，属于计算机应用领域。该方法采用由自注意力机制和双向长短期记忆网络所组成的剩余寿命预测模型，利用该模型选择时间序列数据中的关键特征并赋予相对应的权重，然后将其输入双向长短期记忆网络层挖掘内部联系，最后通过两个全连接层的形成的映射关系获得飞机发动机的剩余寿命预测结果。本发明提高了飞机发动机的剩余寿命的预测精度，为飞机发动机的健康管理、运行和维护决策提供了有力支持。

公开(公告)号：CN114726419A

公开(公告)日：2022-07-08

申请号：CN202210358183.9

申请日：2022-04-07

Applicant: 重庆邮电大学

Inventor： 龙恳 ,  刘健 ,  刘青 ,  陈冀鹏 ,  赵舒安

IPC: H04B7/0452 ,  H04B17/391 ,  G06N3/08 ,  G06F17/16

Abstract: 本文针对发射天线数量大于接收天线数量的大规模多输入多输出系统，提出了一种基于深度学习的共轭梯度大规模MIMO检测方法用于信号检测。该方法通过选择合适的可训练参数，将带有可训练参数的CG迭代算法展开为深度神经网络，并通过网络训练，找到每一层的最优参数。并通过基于特征值估计的初始值迭代策略，提升算法的收敛性。这种方法可以保证在参数估计时的快速收敛。另外，该方法可训练参数的个数只和网络层数有关，与天线的数量无关。这些特点保证了该方法快速稳定的训练过程和对大型系统的合理的可扩展性。本发明实现了以较低复杂度，达到了更低的误码率。