基于一维卷积神经网络和增强离散特征损失函数的单频特征提取方法

AITNT
正文
推荐专利
基于一维卷积神经网络和增强离散特征损失函数的单频特征提取方法
申请号:CN202510196158
申请日期:2025-02-21
公开号:CN120045921A
公开日期:2025-05-27
类型:发明专利
摘要
本发明提出一种基于一维卷积神经网络和增强离散特征损失函数的单频特征提取方法,通过设计一维卷积神经网络结构模型,利用仿真数据进行训练,通过设计离散型特征损失函数,训练得到对单频特征敏感的特征提取模型。用于功率谱和LOFAR谱图单频特征提取,取得较好的效果。
技术关键词
一维卷积神经网络 离散特征 特征提取方法 特征提取模型 损失函数计算方法 标签 节点数 仿真数据 样本通道 功率 尺寸 偏差 关系 噪声 数值 分辨率 频段
系统为您推荐了相关专利信息
1
一种船舶网络分层入侵检测方法及系统
分层入侵检测 门控循环神经网络 异常流量 深度神经网络模型 船舶
2
一种液压泵故障检测系统及方法
频域特征提取方法 高精度传感器 液压泵故障 数据采集模块 远程故障诊断
3
室内定位方法、装置、计算机设备、可读存储介质和程序产品
信道状态信息 特征提取模型 机器学习模型 信号处理 室内定位方法
4
一种基于用电数据的企业异常用电检测方法
企业 特征提取模型 随机森林模型 滑动时间窗口 数据
5
基于树结构的可解释层次文本分类方法
层次文本分类方法 节点 特征提取模块 树状结构模型 sigmoid函数
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号