[发明专利]一种基于深度学习模型的数据融合方法在审
| 申请号： | 201710949767.2 | 申请日： | 2017-10-12 |
| 公开（公告）号： | CN107786958A | 公开（公告）日： | 2018-03-09 |
| 发明（设计）人： | 吴越;周林立;宋良图;刘磊 | 申请（专利权）人： | 中国科学院合肥物质科学研究院 |
| 主分类号： | H04W4/38 | 分类号： | H04W4/38;G06N3/08;H04L12/24 |
| 代理公司： | 合肥天明专利事务所(普通合伙)34115 | 代理人： | 奚华保 |
| 地址： | 230031 安徽*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习模型的数据融合方法，包括首先在汇聚节点即Sink节点对构建的特征提取模型进行训练，网络结构共含有3个卷积层、1个池化层和2个全连接层.在利用特征提取模型对节点数据进行融合之前完成该模型的训练；各终端节点通过该模型提取原始数据特征；向Sink节点发送融合后的数据。本发明首先在汇聚节点对构建的特征提取模型进行训练，然后各终端节点通过该模型提取原始数据特征，最后向汇聚节点发送融合后的数据，从而减少数据传输量，延长网络寿命。本发明与同类数据融合方法相比，在同样数据量的情况下能够大幅降低网络能耗，并有效提升了数据融合效率与准确度。 | ||
| 搜索关键词： | 一种 基于 深度 学习 模型 数据 融合 方法 | ||
【主权项】：
一种基于深度学习模型的数据融合方法，其特征在于：该方法包括下列顺序的步骤：(1)首先在汇聚节点即Sink节点对构建的特征提取模型进行训练，网络结构共含有3个卷积层、1个池化层和2个全连接层.在利用特征提取模型对节点数据进行融合之前完成该模型的训练；(2)各终端节点通过该模型提取原始数据特征；(3)向Sink节点发送融合后的数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院合肥物质科学研究院，未经中国科学院合肥物质科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710949767.2/，转载请声明来源钻瓜专利网。
