公开(公告)号：CN117195961A

公开(公告)日：2023-12-08

申请号：CN202311042653.1

申请日：2023-08-18

申请人： 四川大学

发明人： 陈彦如 ,  程健峰 ,  吴迪智 ,  罗富玮 ,  金正 ,  陈是澎 ,  袁道华 ,  陈良银

IPC分类号： G06N3/0455 ,  G06N3/0464 ,  G06N3/094 ,  G06F18/213 ,  G06F123/02

摘要： 本专利涉及一种改进的多尺度权重共享卷积网络，可有效捕获不同时间尺度上的特征，并提供多头注意力机制和改进的变分自编码器来增强模型的性能。本专利提出的多通道1D CNN模型用多个独立的卷积核对每个通道进行卷积操作，合并各通道的结果来提高模型性能和准确性。为了减少参数量并保证精确性，采用多通道局部权重共享方式，提出了多尺度卷积核来适应不同时间尺度的特征。改进的变分自编码器结合注意力的输出进行整体建模，并利用KL散度优化方法提高特征提取效果。本专利的创新点在于多尺度权重共享、多通道1DCNN、多头注意力机制和改进的变分自编码器的结合应用，提高模型性能和准确性，适用于工厂数据分析等领域。

公开(公告)号：CN118536723A

公开(公告)日：2024-08-23

申请号：CN202310157070.7

申请日：2023-02-23

申请人： 四川大学

发明人： 李春江 ,  王浩 ,  程俊夫 ,  刘俊才 ,  石静 ,  刘高源 ,  李京鹏 ,  程健峰 ,  陈良银

IPC分类号： G06Q10/0631 ,  G06Q10/0639 ,  G06N3/08 ,  G06N3/0464

摘要： 本发明涉及一种基于深度Q学习的动态多目标柔性车间作业调度方法，具体包括：公开了一种全新的DMFJSP(Dynamic Multi‑objective Flexible Job Shop Scheduling Problem)问题，该问题包含六种动态事件、三种性能指标以及一系列约束条件，并结合实际掌握的生产资料，对每种动态事件提供了对应的细节描述；同时，本发明采用目前最先进的双重深度Q学习算法，创新性地结合多种动态事件特性，设计并引入了一种实时动态事件处理流程，并在设计调度规则的时候考虑组合调度规则的设计思想、工件订单权重值设计思想、估计工件加工完成进度值概念，最终提出了一种新型的动态多目标双重深度Q学习算法(Dynamic Multi‑Objective Dual Deep Q‑Learning，DMDDQN)。并通过大量的对比试验成功证明了本研究提出的算法在动态数据集上的优越性。

公开(公告)号：CN118233082A

公开(公告)日：2024-06-21

申请号：CN202211640137.4

申请日：2022-12-20

申请人： 四川大学

发明人： 陈良银 ,  程健峰 ,  陈正宇 ,  陈彦如 ,  张媛媛 ,  任毅 ,  冯康慧 ,  黄飞炀 ,  陈泓全 ,  刘静雯

IPC分类号： H04L9/08 ,  H04B7/0452 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/08

摘要： 本发明涉及一种基于卷积非局部编解码器的Massive MIMO物理层密钥生成方法，具体包括：考虑到大规模MIMO系统的信道信息的维度高，特征难提取的原因，采用了基于特征融合的卷积和非局部注意力的自编码器模型，能够更好地提取特征；结合所提出的网络模型和量化方法，提出了一个完整的Massive MIMO系统下的密钥生成方法。然后介绍了本发明实施时的模型训练和部署的详细步骤。本发明能够使得提取的特征的误差更小，生成的密钥不一致率更低。