专利交易市场

本发明公开了一种基于深度学习的混合概率分布参数估计方法，包括计算给定数据集X中的所有数据样本的均值和方差，然后归一化处理每个数据样本，得到归一化样本X(i)，i＝[1,2,...,N]，N为样本总数；建立混合概率分布的概率密度函数#imgabs0#其中pk(X(i),θk)为混合概率分布中第k个分量分布的概率密度函数，wk为第k个概率分布在整体分布中占的权重，θk为第k个分量的概率密度函数的参数，k＝[1,2,...,K]，K为混合分布的分量总数；建立混合概率分布参数估计的目标函数和下界函数；采用深度学习方法迭代优化下界函数，求解参数θ。本发明具有能够处理大数据量，且处理速度快、估计准确度高的特点。

本发明公开了一种基于单二极管光伏电池模型的两阶段迭代参数估计方法，包括构建出两阶段牛顿迭代参数辨识算法流程、构建出两阶段牛顿迭代算法等步骤。本发明方法简便、高效，可以应用于光伏电池系统的参数辨识。

本发明请求保护一种基于生成多项式库搜索匹配算法的含误码Gold序列参数估计方法。Gold序列是一种伪随机序列，其互相关特性比m序列好，在现代通信中被广泛应用。Gold序列的参数是Gold序列的重要组成部分，但其参数估计相关研究甚少。针对Gold序列参数估计问题，本发明提出了基于生成多项式库搜索匹配算法的含误码Gold序列参数估计方法。本发明先根据截获的含误码Gold序列，利用Gold序列生成多项式库匹配搜索匹配算法，估计出截获序列的生成多项式和两个m序列优选对的本原多项式，并用遍历的方法估计出两个m序列优选对的初始状态。该方法所需的数据量较小，且具有较好的容错性能。