公开(公告)号：CN113312896B

公开(公告)日：2023-11-21

申请号：CN202110695424.4

申请日：2021-06-23

Applicant: 哈尔滨工程大学

Inventor： 李思照 ,  王鹏 ,  武俊鹏

IPC: G06F40/205 ,  G06F40/30

公开(公告)号：CN113065693B

公开(公告)日：2022-07-15

申请号：CN202110301075.3

申请日：2021-03-22

Applicant: 哈尔滨工程大学

Inventor： 李思照 ,  蔚昊 ,  孙建国 ,  武俊鹏 ,  夏松竹

IPC: G06Q10/04 ,  G06N3/00 ,  G06N3/02 ,  G06N3/08

Abstract: 本发明属于人工智能以及分布式学习技术领域，具体涉及一种基于径向基神经网络的车流量预测方法。本发明针对RBF的缺乏通用性参数设置问题，将RBF与APSO算法进行融合，将RBF的网络中心、中心半径以及连接权值映射到粒子的运动位置当中去，通过粒子的寻优过程达到了对参数的优化效果。本发明引入基于健康度的PSO算法，通过粒子的健康度的判断，将粒子划分为状态优秀、一般以及状态差的粒子，对健康度处于差的粒子进行了特定的全局搜索策略优化，对健康度处于优秀的粒子进行了特定的局部策略优化。最后在基于Spark并行平台的基础上，通过主副节点对粒子的更新，输出了用于车流量预测的RBF神经网络模型。

公开(公告)号：CN111291860A

公开(公告)日：2020-06-16

申请号：CN202010031422.0

申请日：2020-01-13

Applicant: 哈尔滨工程大学

Inventor： 李思照 ,  姜宏睿 ,  孙建国 ,  巩建光 ,  阎梓宁 ,  王文衫

IPC: G06N3/04 ,  H04L29/06

Abstract: 本发明属于深度学习入侵检测技术领域，具体涉及一种基于卷积神经网络特征压缩的异常检测方法。本发明采用独热编码以及离差标准化的技术，将数据特征进行预处理，使得深度学习模型可以更有效的识别数据集的特征，从而减少数据的失真率；通过嵌入层将独热编码的稀疏矢量压缩为密集矢量，减少每次模型的训练时间；通过离差标准化来对原始数据进行线性变换，使得数据在变幻之后仍然保持原有的线性关系，这样可以提高模型在入侵检测之中的精度。本发明的入侵检测准确率较高，训练时间短，预测精度高，可以广泛应用于网络入侵检测等方面。

公开(公告)号：CN111260553A

公开(公告)日：2020-06-09

申请号：CN202010031378.3

申请日：2020-01-13

Applicant: 哈尔滨工程大学

Inventor： 李思照 ,  孙建国 ,  王春艳 ,  贺子天 ,  巩建光

IPC: G06T3/40 ,  G06T7/246

Abstract: 本发明属于视觉计算系统技术领域，具体涉及一种基于远距离无损视频传输的国产视觉计算系统。本发明将国产处理器作为基本计算单元，实现并行计算处理，同时可实现并行计算和指令流的编程，支持分布式异构计算系统的功能按需灵活配置与资源规模扩展。支持视觉计算资源的动态配置。通过优化配置细粒度不同的并行计算模块，同时优化分布式异构计算系统的资源利用率和运行能耗，突破多模态视频融合与显示处理的速度和效能瓶颈，实现实时性需求情况下视觉计算规模的压缩优化，保证国产处理器处于低功耗高效运行。本发明将输入的视频经过视觉计算后，以目标识别后的视频作为输出，具备高效能计算、多模态图形图像处理、架构动态可重配置等能力。