Variational mode decomposition method for estimation of GNSS data quality from a smartphone
PulseAugur coverage of Variational mode decomposition method for estimation of GNSS data quality from a smartphone — every cluster mentioning Variational mode decomposition method for estimation of GNSS data quality from a smartphone across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
HyDRA 网络融合 CNN、Transformer 和 Mamba 以实现高级 RFFI
研究人员开发了 HyDRA，这是一种新颖的混合双模网络，专为射频指纹识别 (RFFI) 设计。该架构集成了优化的变分模态分解 (VMD) 与卷积神经网络 (CNN)、Transformer 和 Mamba 组件的组合。HyDRA 能够支持闭集和开集分类任务，在闭集场景中展现出最先进的准确性，并在识别未经授权的设备方面表现出强大的性能。该系统已部署在 NVIDIA Jetson Xavier NX 上，实现了毫秒级推理速度和低功耗，使其…
-
论文回顾混合模型以实现准确的风力发电预测
一篇新论文系统地回顾了用于区间风力发电预测的混合方法，结合了深度学习、模态分解和统计方法。研究强调，将变分模态分解（VMD）等技术与LSTM等模型相结合可以提高预测的准确性和可靠性。大多数研究采用双模型策略独立预测下限和上限，并通过平衡覆盖率和宽度来评估区间质量。
-
新的VMDNet框架改进电力需求预测
研究人员开发了VMDNet，一种用于电力需求预测的新框架，解决了现有变分模态分解（VMD）方法中的时间泄露和超参数调整问题。VMDNet框架使用逐样本VMD来防止时间泄露，采用频率感知嵌入和时间卷积网络来高效学习分解模态，并结合受Stackelberg博弈启发的双层优化方案来选择VMD超参数。在三个数据集上的实验结果表明，VMDNet的表现优于当前最先进的预测基线。