-
公开(公告)号：CN119494270A
公开(公告)日：2025-02-21
申请号：CN202411570143.6
申请日：2024-11-06
Applicant: 南京大学
IPC: G06F30/27 , G16C60/00 , G06N3/006 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明属于超材料设计领域，具体涉及一种基于CVAE和PSO的纳米光子超材料结构逆向设计方法；所述方法具体步骤为S1.构建数据集；S2.将数据集分割为80％的训练集、10％的验证集和10％的测试集；S3.构建正向预测网络模型，并进行迭代循环训练；S4.构建条件变分自编码器网络模型；S5.将训练集中编码矩阵及反射光谱向量作为数据对送入条件变分自编码器网络模型，进行迭代循环训练；S6.通过粒子群优化算法寻找最优的潜在向量，将潜在向量与反射光谱向量拼接后输入条件变分自编码器网络模型得到候选设计结构，并利用正向预测网络模型进行筛选；本发明解决了现有技术反向设计中设计多样性不足与精确度不高难以平衡的问题。
-
公开(公告)号：CN119294259A
公开(公告)日：2025-01-10
申请号：CN202411527918.1
申请日：2024-10-30
Applicant: 南京大学
IPC: G06F30/27 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及电磁超技术领域，尤其涉及一种基于联合判别生成对抗网络的超表面结构设计方法，设计电磁超表面单元结构及相关参数的周期性排列，并输入至电磁仿真软件以获得电磁响应，构建正向预测数据集和反向设计数据集；将正向预测数据集和反向设计数据集分别分割为训练集和测试集；构建正向预测网络模型，将正向预测数据集送入用于正向预测的模拟器网络Simulator中进行训练，训练完成后固定正向预测网络模型参数。本发明通过将预训练好的正向预测网络和判别光谱相似性的判别器网络加入逆向设计网络中，使得网络能够很好地理解结构设计与其整体光学响应之间的关系，更加注重于生成结构的吸收光谱，可以生成新的设计，也可以扩展到分析其他的超表面结构。
-
公开(公告)号：CN119513723A
公开(公告)日：2025-02-25
申请号：CN202411571820.6
申请日：2024-11-06
Applicant: 南京大学
IPC: G06F18/2415 , G01S13/88 , G06F18/214 , G06F18/213 , G06F18/2321 , G06F30/27 , G06F18/20 , G06N3/0464 , G06N3/084 , G06N7/01
Abstract: 本发明公开了一种基于深度贝叶斯聚类和类别关联的辐射源识别方法，包括将雷达数据输入仿真程序，构建辐射源数据集，数据集分别仿真得到训练集和测试集数据，构建一个类别判定模型，训练得到一个特征提取器，训练完成后固定网络参数用于后续的特征提取；构建一个基于时间序列的分类模型，用提取出来的脉冲重复间隔训练网络，网络收敛后固定参数用于后续的类别关联；构建一个用于不指定类别数目聚类的基于高斯模型的中国餐馆聚类算法，并得到聚类后的簇，在一个时间周期内计算簇间的距离以进行微簇合并；将上述聚类好的簇输入基于脉冲重复间隔构建的分类模型，实现类别关联。不仅适应了现实环境中复杂多变的信号环境，还提高了识别效率。
-
公开(公告)号：CN119513627A
公开(公告)日：2025-02-25
申请号：CN202411565651.5
申请日：2024-11-05
Applicant: 南京大学
IPC: G06F18/23 , G01S7/41 , G06F18/22 , G06F18/241
Abstract: 本发明公开了一种基于反距离加权在线聚类的雷达脉冲分选方法，属于雷达信号分选领域，包括步骤一，根据现代雷达信号的特点，用python来生成大量具有典型雷达信号多样性的脉冲样本；步骤二，将生成的脉冲数据集的前1000个全量预聚类；步骤三，剩余的脉冲数据进行单样本反距离加权相似度的实时信号分选，步骤四，对分选结果进行实时验证；步骤五，重复步骤三步骤四，直至全部数据分选完；步骤六，用增量Leader算法和非增量DBSCAN和BGMM算法重复步骤三步骤四，与本发明进行对比试验验证，本发明基于加权和的判别准则进行脉冲的聚类关联，克服了先验知识依赖的困扰，通过滑动平均技术动态更新簇中心，实现了更高的分选准确度。
-
-
-
Search Results
4
records
(took 0.017 seconds)
