-
公开(公告)号:CN118504689A
公开(公告)日:2024-08-16
申请号:CN202410645417.7
申请日:2024-05-23
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于损失控制的分类模型成员推理防御方法及系统,涉及机器学习模型训练技术领域。本发明的技术要点包括:训练一种可防御成员推理攻击的神经网络模型;利用训练好的神经网络模型进行分类预测;其中可防御成员推理攻击的神经网络模型训练的核心包括软标签训练和损失上升:在软标签训练阶段,独热标签被替换为软标签,确保了训练样本的最小损失大于零;损失上升采用两种不同的目标来更新模型参数,提高了模型抵御成员推理攻击的鲁棒性的同时保持其效用。本发明通过交替执行软标签训练和损失上升两种策略,实现了隐私保护与模型效用之间的平衡,提升了隐私保护模型训练方法在机器学习领域的标准。
-
公开(公告)号:CN116161979A
公开(公告)日:2023-05-26
申请号:CN202310163325.0
申请日:2023-02-24
Applicant: 哈尔滨工业大学
IPC: C04B37/02
Abstract: 一种Ti‑Al‑C系MAX相陶瓷与锆合金连接的方法,本发明为了解决现有的Ti‑Al‑C系MAX相陶瓷与锆合金连接的方法在连接面间不可避免的生成了与母材热膨胀系数差异较大的Zr‑Al脆性金属间化合物而导致获得的焊接接头强度低的问题。连接方法:一、以纯铜作为中间层;二、对待焊Ti‑Al‑C系MAX相陶瓷和锆合金的待连接表面机械打磨和抛光;三、按照Ti‑Al‑C系MAX相陶瓷/中间层/锆合金的顺序依次叠放,得到待焊装配件;四、将待焊装配件放入高温真空炉内,在885~950℃的温度下保温。本发明避免了Zr‑Al脆性相的生成,取而代之的是生成了与母材热膨胀系数相匹配的ZrC陶瓷相,显著提高了接头强度。
-
公开(公告)号:CN116143540A
公开(公告)日:2023-05-23
申请号:CN202310163319.5
申请日:2023-02-24
Applicant: 哈尔滨工业大学
IPC: C04B37/02
Abstract: 采用Zr‑Cu‑Fe钎料钎焊MAX相陶瓷与锆基合金的方法,本发明要解决现有的MAX相陶瓷与锆基合金扩散焊接头强度低的问题。钎焊方法:一、真空电弧熔炼制备Zr‑Cu‑Fe钎料合金,合金切割打磨制成钎料箔片;二、分别对MAX相陶瓷和锆基合金的待焊表面机械打磨,超声清洗;三、按照MAX相陶瓷/钎料箔片/锆基合金的顺序依次叠放,得到待焊装配件;四、将待焊装配件置入高真空钎焊炉内,控制钎焊温度为880~930℃进行钎焊。本发明通过在Zr基体中添加Cu和Fe对MAX相陶瓷与锆基合金进行连接。添加的Cu和Fe降低了Zr基合金的熔点,又保留了Zr基钎料的活性,实现原子间的键合,从而形成可靠的连接。
-
公开(公告)号:CN113849162A
公开(公告)日:2021-12-28
申请号:CN202111142407.4
申请日:2021-09-28
Applicant: 哈尔滨工业大学
Abstract: 一种利用模型驱动和深度神经网络相结合的代码生成方法,涉及一种代码生成方法。所述方法包括如下步骤:使用活动图对目标需求建模后,自动生成逻辑结构代码;利用训练好的深度神经网络模型完成自然语言需求描述到具体功能代码的生成。本发明依靠两种代码生成各自的优点,弥补对方的不足,即利用模型驱动解决基于自然语言的代码生成中的长距离依赖和代码粒度较小的问题;又基于自然语言的生成解决模型驱动代码生成中代码细节信息不丰富的问题,对功能复杂的代码既可以保证逻辑的正确性以及长结构的正确性,又可以一定程度保证代码细节的正确性。
-
-
-