-
公开(公告)号：CN109711632B
公开(公告)日：2023-04-18
申请号：CN201811639455.2
申请日：2018-12-29
Applicant: 辽宁工程技术大学
IPC: G06Q10/04 , G06F18/241 , G06Q10/0639 , G06Q50/06
Abstract: 本发明公开了一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法，步骤为：获得煤层地质结构特征、煤层赋存特征和瓦斯赋存特征；通过对上述特征进行分析，总结出工作面瓦斯涌出浓度异常规律；基于上述瓦斯涌出浓度异常规律分析，选取能够有效反应瓦斯异常涌出的三个敏感性指标；对煤与瓦斯突出危险性进行连续的实时预测；确定当前工作面的煤与瓦斯突出的危险性程度。本发明分别从瓦斯涌出平均波动幅度变化异常、瓦斯涌出平均变化趋势异常和瓦斯涌出大幅度变化频率异常三个角度分别提出了相应的敏感性指标，降低了监测设备成本，且可连续监测获得，实现连续实时预测突出危险性，避免局部动态预测实时性不够强和人为操作失误而导致的安全隐患。
-
公开(公告)号：CN112492686A
公开(公告)日：2021-03-12
申请号：CN202011268978.8
申请日：2020-11-13
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于深度双Q网络的蜂窝网络中功率分配算法，算法采用双神经网络结构，有效解决传统强化学习算法无法处理大规模状态‑动作空间的问题，并降低两个神经网络之间的相关性，解决值函数过估计问题。算法使用状态信息作为神经网络的输入，并对状态、动作及奖赏函数根据仿真蜂窝网络情境分别进行设计，其中将上一时刻的干扰信息及速率信息作为当前时刻状态信息的组成部分，使智能体可以更加有效的进行自主学习，经过多次迭代后，得到最优的功率分配策略。该方法可以有效解决蜂窝网络中的功率分配问题，且在不同用户数量及小区数量下均具备良好的泛化性能，可以有效提升功率分配的合理性，同时运行耗时少，大大提高功率分配的效率。
-
Patent Agency Ranking
公开(公告)号：CN112492686B
公开(公告)日：2023-10-13
申请号：CN202011268978.8
申请日：2020-11-13
Applicant: 辽宁工程技术大学
IPC: H04W72/044 , H04W72/541 , H04W72/542 , G06N3/045
Abstract: 本发明公开了一种基于深度双Q网络的蜂窝网络中功率分配算法，算法采用双神经网络结构，有效解决传统强化学习算法无法处理大规模状态‑动作空间的问题，并降低两个神经网络之间的相关性，解决值函数过估计问题。算法使用状态信息作为神经网络的输入，并对状态、动作及奖赏函数根据仿真蜂窝网络情境分别进行设计，其中将上一时刻的干扰信息及速率信息作为当前时刻状态信息的组成部分，使智能体可以更加有效的进行自主学习，经过多次迭代后，得到最优的功率分配策略。该方法可以有效解决蜂窝网络中的功率分配问题，且在不同用户数量及小区数量下均具备良好的泛化性能，可以有效提升功率分配的合理性，同时运行耗时少，大大提高功率分配的效率。
-
公开(公告)号：CN113535902A
公开(公告)日：2021-10-22
申请号：CN202110787242.X
申请日：2021-07-13
Applicant: 辽宁工程技术大学
IPC: G06F16/33 , G06F16/332 , G06N3/04 , G06N3/08
Abstract: 神经网络对话生成模型的发展促进了短文本对话建模的研究。对经过清洗的大规模高质量中文会话数据集(large‑scale cleaned Chinese conversation dataset，LCCC)，预训练的中文对话模型在生成更符合汉语规范的高质量回复话语，但是泛化能力降低，导致在微调过程中评价指标偏低。针对此问题，利用生成对抗网络在自然语言处理处理任务中提高模型泛化能力的方法，提出一种融合对抗训练的中文GPT对话模型，首先在微调的过程中使用投影梯度下降的训练方法，提高了模型的泛化能力，然后使用Facal损失函数加快训练速度。
-
公开(公告)号：CN112492691A
公开(公告)日：2021-03-12
申请号：CN202011344394.4
申请日：2020-11-26
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种深度确定性策略梯度算法的下行NOMA系统中功率分配方法，方法采用双神经网络结构及经验池回放机制，可以有效处理涉及大规模状态‑动作空间的问题，且降低训练样本之间的相关性，同时，采取确定性策略来选择动作，可以在连续的动作空间中选择动作。算法使用状态信息作为神经网络的输入，并对状态空间、动作空间及奖赏函数根据仿真下行NOMA系统情境进行了相应的设计，其中将上一时刻的信干噪比信息及速率信息作为当前时刻状态信息的组成部分，可以使得智能体更加有效的学习并利用所学习到信息来改进行为策略，经过多次迭代后，得到最优的功率分配策略。该方法可以有效解决下行NOMA系统中多用户的功率分配问题，且在不同的用户数量及基站的发射功率级别下均具备良好的泛化性能，可以有效提升功率分配的合理性，同时运算耗时少，有效提高功率分配的效率。
-
公开(公告)号：CN112492691B
公开(公告)日：2024-03-26
申请号：CN202011344394.4
申请日：2020-11-26
Applicant: 辽宁工程技术大学
IPC: H04W72/044 , H04W72/50 , G06N3/045 , G06N3/092
Abstract: 本发明公开了一种深度确定性策略梯度算法的下行NOMA系统中功率分配方法，方法采用双神经网络结构及经验池回放机制，可以有效处理涉及大规模状态‑动作空间的问题，且降低训练样本之间的相关性，同时，采取确定性策略来选择动作，可以在连续的动作空间中选择动作。算法使用状态信息作为神经网络的输入，并对状态空间、动作空间及奖赏函数根据仿真下行NOMA系统情境进行了相应的设计，其中将上一时刻的信干噪比信息及速率信息作为当前时刻状态信息的组成部分，可以使得智能体更加有效的学习并利用所学习到信息来改进行为策略，经过多次迭代后，得到最优的功率分配策略。该方法可以有效解决下行NOMA系统中多用户的功率分配问题，且在不同的用户数量及基站的发射功率级别下均具备良好的泛化性能，可以有效提升功率分配的合理性，同时运算耗时少，有效提高功率分配的效率。
-
公开(公告)号：CN109711632A
公开(公告)日：2019-05-03
申请号：CN201811639455.2
申请日：2018-12-29
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法，步骤为：获得煤层地质结构特征、煤层赋存特征和瓦斯赋存特征；通过对上述特征进行分析，总结出工作面瓦斯涌出浓度异常规律；基于上述瓦斯涌出浓度异常规律分析，选取能够有效反应瓦斯异常涌出的三个敏感性指标；对煤与瓦斯突出危险性进行连续的实时预测；确定当前工作面的煤与瓦斯突出的危险性程度。本发明分别从瓦斯涌出平均波动幅度变化异常、瓦斯涌出平均变化趋势异常和瓦斯涌出大幅度变化频率异常三个角度分别提出了相应的敏感性指标，降低了监测设备成本，且可连续监测获得，实现连续实时预测突出危险性，避免局部动态预测实时性不够强和人为操作失误而导致的安全隐患。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
