专利名称：一种基于改进CSO-LSTM网络的锂离子电池寿命预测方法及装置      申请号：2022104065921     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 锂电池 C L LED芯片 改 LSTM网络   相似专利 发布日：2023/10/17  
摘要： 本发明提供了一种基于改进CSO‑LSTM网络的锂离子电池寿命预测方法及装置，具体包括以下步骤：(1)获取锂离子电池数据；(2)采用集合经验模态对电池数据进行预处理；(3)对预处理数据采用归一化方法进行处理，并划分训练集和测试集；(4)采用改进CSO选取LSTM最优超参数，建立基于改进LSTM的锂离子电池寿命预测模型；(5)将训练集输入到基于改进LSTM的锂离子电池寿命预测模型进行训练，得到基于改进CSO‑LSTM的锂离子电池寿命预测模型；(6)将测试集输入到训练好的锂离子电池寿命预测模型中，得到预测结果。本发明提供的锂离子电池寿命预测方法及装置有效的提高了锂离子电池寿命预测精度，对于提高锂离子电池的稳定性和安全性，具有重要的实际工程意义。

专利名称：一种基于LSTM网络的MAC协议识别方法      申请号：2019101100832     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 协议 C L LED芯片 LSTM网络   相似专利 发布日：2023/10/17  
摘要： 本发明涉及一种基于LSTM网络的MAC协议识别方法，包括：离线训练阶段：S1、获取已知信号s(t)；S2、计算信号s(t)对应的功率Ps(t)；S3、生成Ns×1观测向量；S4、生成打有标签的训练数据集；S5、训练LSTM网络模型；在线识别阶段：S6、接收未知信号x(t)；S7、计算信号x(t)对应的功率Px(t)；S8、生成Ns×1观测向量；S9、将未知信号的观测向量送入训练好的LSTM网络模型，得到识别结果。本发明方法，引入深度学习思想，利用LSTM网络充分考虑接收信号的时域相关性，能够在较少人工干预的条件下达到更高的识别精度。

专利名称：基于LSTM网络的光场视频时域超分辨重建方法      申请号：2020103369901     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 L LED芯片 LSTM网络   相似专利 发布日：2023/09/20  
摘要： 本发明公开了一种基于LSTM网络的光场视频时域超分辨重建方法，具体包括如下步骤：通过raytrix光场相机拍摄获得光场视频；通过light field toolbox工具将光场视频数据逐祯提取得到光场原始图像，即光场视频帧图像；然后从光场视频祯图像中抽取光场参数；将获取的光场视频祯图像和光场参数进行旋转，创建一个五维的光场坐标；本发明提出了针对LSTM网络优化的新代价损失函数loss function，是通过3种不同的约束来优化光场视频中特有的空间分辨率恶化、相邻帧之间抖动、视角变化不连续的问题。

专利名称：基于多维单步LSTM网络的车辆轨迹预测方法      申请号：2019112431627     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 车辆 网络传输 L LED芯片 LSTM网络   相似专利 发布日：2023/09/20  
摘要： 本发明公开了一种基于多维单步LSTM网络的车辆轨迹预测方法，首先针对单目摄像机存在的镜头畸变情况进行矫正，克服了因获取的行车视频数据画面失真所导致的目标检测漏检的问题；其次，利用基于KITTI数据集训练的YOLO目标检测模型来检测视频中的车辆边框坐标，采用多维单步LSTM网络，通过对前两秒的轨迹进行学习，预测一秒后的轨迹，并采用滑动窗口的方法循环学习并预测整个视频的车辆轨迹。本发明采用多维单步LSTM网络对时间序列进行预测，解决了长序列训练过程中的梯度消失与梯度爆炸问题，相比普通的利用RNN进行时间序列预测的方法，本发明能够在更长的序列中有更好的表现，能极大的降低成本，且采用端到端的模型，通过目标检测模型输出的周围车辆边框信息。