-
公开(公告)号：CN113113030B
公开(公告)日：2022-03-22
申请号：CN202110302058.1
申请日：2021-03-22
申请人： 浙江大学 , 浙江大学舟山海洋研究中心
IPC分类号： G10L19/00 , G10L21/0208 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/774 , G06V10/30
摘要： 本发明公开了一种基于降噪自编码器的高维受损数据无线传输方法。本发明方法包括模型训练和端到端传输。模型训练首先对历史感知数据集进行数据预处理，基于K‑折交叉验证方法对其进行划分；然后构建降噪自编码器模型，并基于提出的新型分批引入随机高斯噪声的加噪方式训练降噪自编码器模型。端到端传输首先将训练得到的降噪自编码器拆分两部分部署于发送端和接收端，然后在发送端对未知类型噪声干扰的感知数据进行预处理和降维操作，将降维后的数据传输至接收端，最后在接收端执行重构操作，获得未受损感知数据的重构数据。本发明方法能有效进行高维受损感知数据的降维传输及降噪处理和重构，在恶劣环境下进行数据收集时滤除噪声干扰和降维传输。
-
公开(公告)号：CN113113030A
公开(公告)日：2021-07-13
申请号：CN202110302058.1
申请日：2021-03-22
申请人： 浙江大学 , 浙江大学舟山海洋研究中心
摘要： 本发明公开了一种基于降噪自编码器的高维受损数据无线传输方法。本发明方法包括模型训练和端到端传输。模型训练首先对历史感知数据集进行数据预处理，基于K‑折交叉验证方法对其进行划分；然后构建降噪自编码器模型，并基于提出的新型分批引入随机高斯噪声的加噪方式训练降噪自编码器模型。端到端传输首先将训练得到的降噪自编码器拆分两部分部署于发送端和接收端，然后在发送端对未知类型噪声干扰的感知数据进行预处理和降维操作，将降维后的数据传输至接收端，最后在接收端执行重构操作，获得未受损感知数据的重构数据。本发明方法能有效进行高维受损感知数据的降维传输及降噪处理和重构，在恶劣环境下进行数据收集时滤除噪声干扰和降维传输。
-
公开(公告)号：CN114630207B
公开(公告)日：2023-04-07
申请号：CN202210253744.9
申请日：2022-03-15
申请人： 浙江大学
摘要： 本发明公开了基于降噪自编码器的多传感节点感知数据收集方法。本发明方法包括模型训练和分层式数据收集。模型训练首先对历史感知数据集进行预处理，然后构建降噪自编码器模型，并引入机制训练学习网络。分层式数据收集首先在多传感节点感知数据收集系统中部署训练好的神经网络模块，然后在传感节点生成感知数据，执行归一化处理后传输到边缘数据汇聚设备，将归一化感知数据进行压缩处理后传输至数据融合中心，执行重构操作，获得原始感知数据的重构数据。本发明实现感知数据的可靠收集，提升了对未知噪声的泛化能力和鲁棒性，方便在资源分布不均匀的物联网多传感节点感知数据收集系统中部署，降低数据传输量，减少通信能耗、延长网络使用寿命。
-
公开(公告)号：CN114630207A
公开(公告)日：2022-06-14
申请号：CN202210253744.9
申请日：2022-03-15
申请人： 浙江大学
摘要： 本发明公开了基于降噪自编码器的多传感节点感知数据收集方法。本发明方法包括模型训练和分层式数据收集。模型训练首先对历史感知数据集进行预处理，然后构建降噪自编码器模型，并引入机制训练学习网络。分层式数据收集首先在多传感节点感知数据收集系统中部署训练好的神经网络模块，然后在传感节点生成感知数据，执行归一化处理后传输到边缘数据汇聚设备，将归一化感知数据进行压缩处理后传输至数据融合中心，执行重构操作，获得原始感知数据的重构数据。本发明实现感知数据的可靠收集，提升了对未知噪声的泛化能力和鲁棒性，方便在资源分布不均匀的物联网多传感节点感知数据收集系统中部署，降低数据传输量，减少通信能耗、延长网络使用寿命。
-
-
-
搜索结果
4 条记录 (耗时 0.045 秒)
