-
公开(公告)号：CN110378489B
公开(公告)日：2022-10-25
申请号：CN201910695772.4
申请日：2019-07-30
Applicant: 哈尔滨工程大学
IPC: G06N20/00 , G06F40/289 , G06F40/30
Abstract: 基于实体超平面投影的知识表示学习模型，本发明涉及知识表示学习模型。本发明的目的是为了解决现有现有的知识表示学习模型大部分都只关注知识图谱的结构化信息，仅仅利用知识三元组来学习实体以及关系的表示，却忽略了实体的文本描述中可能蕴含的一些有用信息，导致处理任务时准确率低的问题。过程为：步骤一、将实体的描述文本处理成矩阵形式；步骤二、将步骤一得到的矩阵形式的文本输入到卷积神经网络中，得到实体描述文本的特征向量；步骤三、利用步骤二得到的特征向量建立EHP模型，得到实体以及关系的最终向量表示。本发明用于自然语言处理领域。
-
公开(公告)号：CN113554104B
公开(公告)日：2022-09-30
申请号：CN202110856234.6
申请日：2021-07-28
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74 , G06N3/04 , G06N3/08
Abstract: 一种基于深度学习模型的图像分类方法，属于图像分类领域。本发明解决了现有针对图像分类的神经网络无法在保证图像分类准确率的同时降低训练时间和模型参数规模的问题。本发明方法包括：建立图像分类模型，对图像分类模型进行冷启动训练；获取图像数据作为训练集，从“V”型相似度曲线中选取一个相似度系数作为相似度阈值，基于该阈值，利用训练集对图像分类模型参数进行训练，获取当前图像分类模型的参数；基于动态阈值和当前图像分类模型的参数，逐步降低该阈值，将训练集输入图像分类模型中，进行图像分类模型训练，获得最优的分类模型，停止图像分类模型训练；将待分类的图像输入最优的图像分类模型，得到图像分类结果。本发明用于图像分类。
-
公开(公告)号：CN114510945A
公开(公告)日：2022-05-17
申请号：CN202210157121.1
申请日：2022-02-21
Applicant: 哈尔滨工程大学
IPC: G06F40/295 , G06N3/04
Abstract: 基于偏旁特征嵌入的中文命名实体识别网络模型，涉及自然语言处理与中文命名实体识别领域。解决了现有中文命名实体识别算法的语义识别的准确率和F值低的问题。将字符拆分成其偏旁构成的形式，将其映射为偏旁特征向量、并与单词特征向量和字符特征向量，组合后输入到Bi‑LSTM编码层中进行编码中，编码后的特征经CRF解码层解码后得到输入文本的命名实体标签，从而实现对中文命名实体的识别。本发明主要用于对中文命名实体进行识别。
-
公开(公告)号：CN111476321B
公开(公告)日：2022-05-17
申请号：CN202010420676.1
申请日：2020-05-18
Applicant: 哈尔滨工程大学
Abstract: 基于特征加权贝叶斯优化算法的空中飞行物识别方法涉及一种空中飞行物识别方法。本发明是为了解决现有的空中飞行物的识别方法存在的准确率较低的问题。本发明通过对空中飞行物的特征数据分布情况进行分析，将特征重叠部分的分布情况中分布跨度和分布密度作为特征的权值计算依据，将其作为朴素贝叶斯识别模型的输入特征的权重，进而基于特征加权贝叶斯优化算法的结果实现空中飞行物的识别。主要用途飞行物的识别。
-
公开(公告)号：CN114326391A
公开(公告)日：2022-04-12
申请号：CN202111517862.8
申请日：2021-12-13
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种建筑能耗预测方法，属于能耗预测领域。本发明是为了解决现有的神经网络对能耗进行预测存在难以取得较好的预测效果的问题。本发明首先获取预测能耗指标历史数据并构建特征张量X＝[Xt,Xt‑1,...,Xt‑n]，其中Xt‑i表示t‑i时刻的特征向量，t表示当前时刻；特征向量中的元素为预测能耗指标；基于特征张量，根据时间粒度构建不同粒度对应的特征张量；所述的建筑能耗预测模型包括多粒度特征提取网络、注意力机制LSTM网络和预测模块，多粒度特征提取网络的输出作为注意力机制LSTM网络的输入，注意力机制LSTM网络的输出作为预测模块的输入，预测模块输出建筑能耗。主要用于建筑的能耗预测。
-
Patent Agency Ranking
公开(公告)号：CN114139984A
公开(公告)日：2022-03-04
申请号：CN202111470417.0
申请日：2021-12-03
Applicant: 哈尔滨工程大学
Abstract: 一种基于流量与事故协同感知的城市交通事故风险预测方法，属于交通事故预警技术领域。本发明针对现有交通事故风险预测中没有深度结合交通流量信息，使用静态图邻接矩阵构建图神经网络预测效果不够好的问题。包括由节点时变特征输入模块获得节点时变特征矩阵；分别由事件动态图神经网络和异常流量动态图神经网络对节点时变特征矩阵进行特征提取，获得事故风险特征和流量风险特征；再由时间依赖模块进行时间依赖信息的捕捉，获得时空混合特征；由协同感知模块对时空混合特征和全局时变特征矩阵进行特征融合，获得事故风险预测值，结合事故风险替换值进行计算，获得损失函数用于模型训练。本发明用于交通事故风险预测。
-
公开(公告)号：CN113962303A
公开(公告)日：2022-01-21
申请号：CN202111227231.2
申请日：2021-10-21
Applicant: 哈尔滨工程大学
Abstract: 基于密度融合的水下试验环境反演方法及系统，属于水声技术领域。本发明为了解决现有的匹配场反演比较复杂的问题以及声速剖面往往不能直接求解得到唯一解的问题。本发明首先将将环境特征输入OneHot和Embedding网络得到高维特征向量，然后根据环境特征和深度信息得到融合特征矩阵，将融合特征矩阵输入残差网络模型得到对应的环境剖面信息数据，从而实现试验环境反演。主要用于水下试验环境的反演。
-
公开(公告)号：CN110147393B
公开(公告)日：2021-08-13
申请号：CN201910435269.5
申请日：2019-05-23
Applicant: 哈尔滨工程大学
IPC: G06F16/2458
Abstract: 面向数据空间的实体解析方法，本发明涉及实体解析方法。本发明的目的是为了解决现有在数据空间中进行实体解析时，要对记录进行对比，对于不同领域的记录对，匹配概率很小，成对对比会浪费资源的问题。过程为：步骤一、构建记录图：步骤二、采用剪枝方法简化记录图；步骤三、对剪化后的记录图进行分块处理；步骤四、建立属性映射集群；步骤五、计算属性映射集的优度；步骤六、得到属性映射集群中各个映射集的优度后，在块内进行实体解析。本发明用于数据实体解析领域。
-
公开(公告)号：CN108876012B
公开(公告)日：2021-08-13
申请号：CN201810519625.7
申请日：2018-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种空间众包任务分配方法，属于互联网技术领域，本发明分别设计了用于计算任务处理优先级的TPC方法、用于选择工人的WFC方法以及用于任务地点选择的MLS方法，基于这三个方法提出了一种空间众包任务分配方法，目标是在满足各种约束的条件下，保证任务分配总数以及平台收益，并最大化任务分配的总收益。
-
公开(公告)号：CN113011093A
公开(公告)日：2021-06-22
申请号：CN202110277082.4
申请日：2021-03-15
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/10
Abstract: 基于LCWaveGAN的船舶航行噪声仿真生成方法，本发明涉及船舶航行噪声仿真生成方法。本发明的目的是为了解决现有船舶航行水下辐射噪声信号准确率低，获得方式繁琐的问题。过程为：一、获取真实的船舶水下辐射噪声；二、得到连续谱；三、生成时域的连续谱噪声信号；四、生成仿真的船舶水下辐射噪声连续谱的时域信号；五、生成仿真的连续谱时域信号；六、提取调制参数；七、合成调制信号；八、提取真实的船舶水下辐射噪声的线谱；九、生成连续谱；十、通过调制信号和连续谱，叠加形成静止状态下的消声水池的目标仿真水下辐射噪声；十一、对水下辐射噪声进行运动修正，得到仿真船舶航行水下辐射噪声。本发明用于船舶航行数据生成领域。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.037 seconds)
