-
公开(公告)号：CN115268868B
公开(公告)日：2023-06-27
申请号：CN202210881190.7
申请日：2022-07-26
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G06F8/30 , G06F8/41 , G06N3/047 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于有监督学习的智能源码转换方法，包括：从代码网站中抓取大量的并行数据，将获取的并行数据进行预处理；构造词典，将预处理后的并行数据划分为对应的训练集、测试集以及验证集；构造编程语言之间的映射，将语言代码转换为机器识别的编码，将机器识别的编码输入至模型中进行训练，获取代码翻译模型；将输入待翻译的源语言代码输入所述代码翻译模型，基于代码翻译模型对源语言代码进行翻译，获取目标语言的相应代码。实现了将源代码从高级编程语言(如C或Python)转换为另一种语言(如C++或Java)，并且提升了翻译的准确率，翻译结果比较理想。
-
公开(公告)号：CN113190233B
公开(公告)日：2023-06-20
申请号：CN202110405714.0
申请日：2021-04-15
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G06F8/41 , G06F40/289
Abstract: 本发明公开了一种面向多源异构编程语言的智能源码翻译方法及系统，包括：获取能够实现相同功能的至少两种编码语言类型的编码源文件，并进行预处理，以获取BPE codes文件；对每个编码源文件进行二进制化处理，以获取二进制编码文件；基于去噪自编码器构建初始的智能源码翻译模型，并利用二进制编码文件和BPE codes文件对所述初始的智能源码翻译模型进行预训练，以确定经过预训练的智能源码翻译模型；利用二进制编码文件和BPE codes文件对所述经过预训练的智能源码翻译模型进行翻译训练，确定最终智能源码翻译模型；根据目标编码语言类型，利用所述最终智能源码翻译模型进行待翻译源码文件的翻译，以确定与所述待翻译源码文件对应的目标编码语言类型的编码文件。
-
公开(公告)号：CN115268867B
公开(公告)日：2023-04-07
申请号：CN202210881119.9
申请日：2022-07-26
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G06F8/30 , G06F16/22 , G06F18/23213
Abstract: 本发明提供了一种抽象语法树裁剪方法，包括：S1：按照自上而下的顺序，为抽象语法树的节点进行编码，获得抽象语法树的节点编码数据集；S2：采用K‑Means聚类方法，按照自下而上的顺序对抽象语法树的节点编码数据集进行重复聚类，获得全部节点的节点编码信息；S3：根据节点编码信息，采用预设的遍历模式遍历抽象语法树，通过计算节点编码信息的余弦相似度，生成若干棵抽象语法子树。本发明通过对一个庞大的抽象语法树进行裁剪，获得若干棵子树，子树中的各个节点关系更加紧密，在使用词向量等方法提取节点特征时，能够取得更好的效果。
-
公开(公告)号：CN115880544A
公开(公告)日：2023-03-31
申请号：CN202211604754.9
申请日：2022-12-13
Applicant: 青岛海洋科学与技术国家实验室发展中心 , 中国海洋大学
IPC: G06V10/774 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F9/54
Abstract: 本申请公开了一种基于Kafka消息队列的图像分类模型增量训练方法及系统。所述基于Kafka消息队列的图像分类模型增量训练方法包括：通过Kafka消息队列收集增量数据；获取已经经过训练的模型；通过增量数据对已经经过训练的模型进行增量训练。本申请针对增量学习算法脱离生产环境的问题，借助消息队列系统提供了一种图像分类模型增量训练的系统和方法，将增量学习方案与流处理平台相结合，并可以有效的简化增量模型训练和部署的过程。
-
公开(公告)号：CN115469172A
公开(公告)日：2022-12-13
申请号：CN202211289769.0
申请日：2022-10-20
Applicant: 青岛海洋科学与技术国家实验室发展中心 , 中国海洋大学
IPC: G01R31/00 , G01R21/133 , G01R21/00 , G06N3/04 , G06N3/08
Abstract: 本申请提供了一种基于神经网络的三相电非侵入式负荷识别方法，属于工业设备能耗监测技术领域。所述方法包括步骤S1、将能耗监测装置安装于产线级配电柜中，用于采集工业三相电信号；步骤S2、由所述产线级配电柜引出电能，以对能耗监测装置供电；步骤S3、将能耗监测装置与远程客户端进行互联；步骤S4、在能耗监测装置中配置采样频率修改模块，用于基于远程客户端的指令调整所述能耗监测装置的采样频率；步骤S5、在能耗监测装置中配置能耗分析模块，用于基于采集的产线电信号计算产线设备的有功功率、无功功率、视在功率及功率因数；步骤S6、将经训练的负荷监控模型嵌入到所述能耗分析模块中，以形成能耗识别、故障预警、故障报警及能耗统计分析的功能。
-
Patent Agency Ranking
公开(公告)号：CN115268994A
公开(公告)日：2022-11-01
申请号：CN202210881060.3
申请日：2022-07-26
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G06F8/75 , G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于TBCNN和多头自注意力机制的代码特征提取方法，包括：对程序代码进行解析处理，获得抽象语法树；按照预设的功能节点对抽象语法树进行分割处理，获得若干个小型抽象语法树；将小型抽象语法树输入基于树的卷积神经网络，获得程序代码结构信息的向量序列；利用多头自注意力机制和残差网络对向量序列进行处理，获得程序代码特征；利用全连接网络对程序代码特征进行融合，获得程序代码的特征向量。本发明可以实现CNN网络和RNN网络的功能，不仅可以解决CNN感受野限制和计算复杂度大的问题，而且还可以解决因无法学习长距离依赖导致的梯度消失和梯度爆炸的问题。
-
公开(公告)号：CN113313140B
公开(公告)日：2022-11-01
申请号：CN202110402765.8
申请日：2021-04-14
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本申请公开了一种基于深度注意力的三维模型分类和检索方法及装置。所述基于深度注意力的三维模型分类和检索方法包括：获取待检索三维模型；根据所述待检索三维模型，映射生成二维视图组，所述二维视图组包括至少两个二维视图；获取每个所述二维视图的特征；通过深度注意力网络融合各个所述二维视图的特征，从而形成一个融合特征；根据所述融合特征对所述待检索三维模型进行检索或者分类。本申请通过引入自注意力结构，能够从全局角度充分考虑多视图间的相关性信息，挖掘隐藏信息，减少信息冗余。
-
公开(公告)号：CN113421649B
公开(公告)日：2022-10-28
申请号：CN202110693502.7
申请日：2021-06-22
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G16H50/50
Abstract: 本申请公开了一种心脏电生理模型的并行仿真方法及系统。所述心脏电生理模型的并行仿真方法包括：计算主核控制与其连接的从核对模拟的细胞进行初始化；计算主核根据其获取的仿真任务为各个与其连接的从核下发电位仿真任务；各个从核同时对各自对应模拟的细胞进行电位仿真计算从而获得心脏细胞电位仿真计算结果；各个从核将计算得到的心脏细胞电位仿真计算结果写入与其连接的计算主核；控制主核获取各个计算主核所传递的心脏细胞电位仿真计算结果。本申请的心脏电生理模型的并行仿真方法可同时开启十万级规模进程并行计算仿真，能够快速完成动作电位周期的仿真计算，加快心脏电生理模型的仿真速度，有效缩短仿真时间。
-
公开(公告)号：CN115184893A
公开(公告)日：2022-10-14
申请号：CN202210716819.2
申请日：2022-06-23
Applicant: 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明涉及一种基于卷积神经网络的返回散射电离图回波信号提取方法，其具体步骤为：S1、基于设定的掩码Mj,k自定义联合损失函数，基于以联合损失函数为损失函数的卷积神经网络构建回波信号提取模型；S2、训练回波信号提取模型；S3、提取回波信号；实时收集电离图，制作电离图数据集，将电离图数据集输入至训练后的回波信号提取模型中进行回波信号提取，回波信号提取模型输出电离图回波信号，回波信号提取结束。本发明通过设定的掩码自定义联合损失函数，使卷积神经网络在学习到噪声和干扰的同时，将注意力集中于电离图的信号区域；并引入跳跃连接层，避免因网络层数增加而引发的梯度消失问题，提高回波信号的提取准确性。
-
公开(公告)号：CN115107931A
公开(公告)日：2022-09-27
申请号：CN202210692794.7
申请日：2022-06-17
Applicant: 青岛海洋科学与技术国家实验室发展中心 , 中国海洋大学
Abstract: 本申请公开了一种海上浮标系统。所述海上浮标系统包括：浮标本体，所述浮标本体至少部分没入海中；边缘计算机，所述边缘计算机设置在所述浮标本体内部；电池组件，所述电池组件与所述边缘计算机连接，用于为所述边缘计算机提供电能；太阳能板，其设置在浮标本体上，所述太阳能板与所述电池组件连接，其用于将所述太阳能转换为电能并为所述电池组件充电；相机，其安装在所述浮标本体上，所述相机至少能够拍摄所述太阳能板、边缘计算机、海面上的浮标中的一个或多个，所述相机与所述电池组件连接。本申请通过太阳能提供电能，从而能够使本申请的海上浮标系统在不借助其他外部电网的情况下进行长时间工作，且可通过相机对自身进行检测。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.045 seconds)
