買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜西華大學(xué)申請的專利一種用于AI賦能定時(shí)同步的神經(jīng)網(wǎng)絡(luò)輕量化設(shè)計(jì)方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114781612B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210427080.3，技術(shù)領(lǐng)域涉及：G06N3/06；該發(fā)明授權(quán)一種用于AI賦能定時(shí)同步的神經(jīng)網(wǎng)絡(luò)輕量化設(shè)計(jì)方法是由卿朝進(jìn);唐書海;饒川貴;楊娜;蔡曦;張岷濤設(shè)計(jì)研發(fā)完成，并于2022-04-21向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種用于AI賦能定時(shí)同步的神經(jīng)網(wǎng)絡(luò)輕量化設(shè)計(jì)方法在說明書摘要公布了：本發(fā)明公開了一種用于AI賦能定時(shí)同步的神經(jīng)網(wǎng)絡(luò)輕量化設(shè)計(jì)方法，所述設(shè)計(jì)方法包括：根據(jù)定時(shí)同步訓(xùn)練序列的長度，設(shè)計(jì)卷積模塊的初始層感受野參數(shù)，根據(jù)定時(shí)同步訓(xùn)練序列的保護(hù)間隔長度和初始層感受野參數(shù)，設(shè)計(jì)輕量化的匯聚層，根據(jù)定時(shí)同步訓(xùn)練序列的保護(hù)間隔長度和匯聚層感受野參數(shù)，設(shè)計(jì)輕量化的精煉層，實(shí)現(xiàn)網(wǎng)絡(luò)輕量化的同時(shí)達(dá)到定時(shí)度量的精準(zhǔn)化，最后，利用全連接模塊輸出定時(shí)同步偏移估計(jì)值。本發(fā)明可提高低處理延遲要求的無線網(wǎng)絡(luò)和移動(dòng)通信場景下的定時(shí)同步性能，與現(xiàn)有基于壓縮感知的定時(shí)同步方法相比，其具有更低的復(fù)雜度，更高的定時(shí)同步精度以及更低的處理延遲。

本發(fā)明授權(quán)一種用于AI賦能定時(shí)同步的神經(jīng)網(wǎng)絡(luò)輕量化設(shè)計(jì)方法在權(quán)利要求書中公布了：1.一種用于AI賦能的定時(shí)同步的神經(jīng)網(wǎng)絡(luò)輕量化設(shè)計(jì)方法，其特征在于，針對低處理延遲要求的無線網(wǎng)絡(luò)和移動(dòng)通信場景，其包括：S1構(gòu)建包括依次相連的卷積層模塊和全連接層模塊的卷積神經(jīng)網(wǎng)絡(luò)，所述卷積層模塊包括依次拼接的初始層、匯聚層和精煉層，其中，所述初始層包括第一參數(shù)識別單元、第一參數(shù)初始化單元和第一卷積層，所述匯聚層包括第二參數(shù)初始化單元和第二卷積層，所述精煉層包括第三參數(shù)初始化單元和第三卷積層，各卷積層之間采用級聯(lián)的連接方式；所述全連接層模塊包括含有τmax+1個(gè)輸出神經(jīng)元結(jié)點(diǎn)的全連接層和采用softmax激活函數(shù)的輸出層，其中τmax表示通過實(shí)際測量得到最大可能傳播時(shí)延；S2根據(jù)定時(shí)同步訓(xùn)練序列的長度N和調(diào)諧參數(shù)k、及通過所述第一參數(shù)識別單元獲得的該定時(shí)同步訓(xùn)練序列對應(yīng)的接收并堆棧存儲的信號y的輸入特征個(gè)數(shù)K，設(shè)計(jì)所述初始層的感受野參數(shù)；S3根據(jù)針對所述同步訓(xùn)練序列設(shè)置的定時(shí)同步保護(hù)間隔G、所述調(diào)諧參數(shù)k、所述初始層第一參數(shù)識別單元得到的輸入特征個(gè)數(shù)K及所述初始層的感受野參數(shù)，設(shè)計(jì)所述匯聚層的感受野參數(shù)；S4根據(jù)所述定時(shí)同步保護(hù)間隔G、所述調(diào)諧參數(shù)k、及所述匯聚層的感受野參數(shù)，設(shè)計(jì)所述精煉層的感受野參數(shù)；S5根據(jù)所述初始層的感受野參數(shù)、所述匯聚層的感受野參數(shù)、所述精煉層的感受野參數(shù)確定所述卷積層模塊，所得卷積神經(jīng)網(wǎng)絡(luò)即為可實(shí)現(xiàn)AI賦能定時(shí)同步的輕量化卷積神經(jīng)網(wǎng)絡(luò)；其中，所述感受野參數(shù)包括卷積核大小和卷積核個(gè)數(shù)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西華大學(xué)，其通訊地址為：611743 四川省成都市郫都區(qū)紅光大道9999號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。