AI 驱动的数据控制平台，它提供了利用机器学习和 AI实现验证、合规性和对账自动化的解决方案。其结果是...
其中数据驱动的PDR部分通过构建神经网络模型, 训练加速度传感器和陀螺仪测量值特征, 学习速度变化矢量, 推算高精度行人航迹, 模型驱动部分为将数据驱动输出的相对航迹与高精度定位源输出的观测量通过扩展卡尔曼滤波, 实现融合定位输出。试验
该文章提出了一种基于数据与模型双驱动的室内多源融合定位新方法。在数据驱动部分，构建一种基于深度学习的PDR神经网络。传统PDR方案是以每步为单位，统计人的步频和步长，PDR的位置更新频率是在1.5~1.8Hz，基于数据驱动的PDR可以学习人体迈步的全过程，以20 Hz速度矢量输出，实现高频PDR位置更新，充分发挥惯性传感器...
本发明属于数据分析技术领域,公开了一种基于数据与物理模型双驱动的预警方法,包括:获取第一原始数据,根据第一原始数据,建立用于进行风险预警的仿真模型,根据仿真模型,得到风险仿真结果,建立用于进行风险预警的物理模型,物理模型包括指标和权重,根据指标,得到物理模型的权重值,获取第二原始数据,根据第二原始数据,得到物理...
摘要：本发明公开了一种数据模型双驱动的OFDM接收方法，包括：分别对接收机内信道估计和信号检测模块中的深度神经网络进行训练；对于信道估计模块，输入接收的频域导频和本地频域导频，采用最小二乘估计方法估计获得最小二乘信道估计结果，取实部和虚部取出串联输入深度神经网络进行改进并输出信道估计结果；对于信号检测...
1.一种基于数据模型双驱动的MIMO系统信号检测方法,其特征在于,包括以下步骤: 步骤1:基于MIMO系统框架生成深度学习模型所需的数据集,通过仿真适用于城市环境的瑞利衰落信道生成训练数据集,瑞利衰落信道是时变的,训练数据集按照典型的独立分布高斯随机变量随机生成,由于每个训练数据集都是使用不同的信道信息获得的,因此训练...
基于数据模型双驱动的负荷时序调节潜力分析方法专利信息由爱企查专利频道提供,基于数据模型双驱动的负荷时序调节潜力分析方法说明:本发明公开一种基于数据模型双驱动的负荷时序调节潜力分析方法,包括:获取负荷数据;对负荷数据进行一次聚...专利查询请上爱企查
本发明公开了一种数据模型双驱动的联合MIMO信道估计和信号检测方法,通过信道估计器和信号检测器进行信道估计和信号检测。信号检测器将信道估计结果和接收数据信号作为每层网络的输入,第t层网络结合第(t‑1)层网络的输出计算得到错误方差向量;第t层网络根据输入的待训练参数、错误方差估计向量和线性估计器计算得到外信息...
采用数据驱动预测模型得到异常点处的功率预测值;基于模型驱动预测模型得到异常点处的功率预测值;对预测值进行学习,得到异常点处的最终功率预测结果;将最终功率预测结果作为当前时刻的伪量测量,替换当前时刻的异常信息,采用替换异常信息后的当前时刻的全部节点功率量测信息进行状态估计,实现基于模型数据双驱动的动态状态估计...