-
公开(公告)号：CN109492516A
公开(公告)日：2019-03-19
申请号：CN201811028694.4
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于DGRU神经网络的UUV集群行为识别方法，属于深度学习领域；本发明对GRU神经网络进行改进，提出了防止信息丢失的DGRU神经网络，并应用DGRU神经网路建立欠驱动UUV集群行为识别模型；本发明包括数据预处理阶段、模型训练阶段和模型预测阶段，具体包括如下步骤：(1)对UUV集群行为数据集进行数据清洗；(2)利用数据预处理后的数据集训练DGRU神经网络，建立UUV集群行为识别模型；(3)获取当前软件失效数据并采用(1)中同样的方法进行数据归一化处理，然后输入(2)中获得的预测模型进行UUV的集群行为识别，得到识别结果；应用该模型可以精确识别欠驱动UUV集群行为的方法，克服了传统UUV集群性行为识别技术的缺点。
-
公开(公告)号：CN109344960A
公开(公告)日：2019-02-15
申请号：CN201811017376.8
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习领域，具体涉及一种防止数据信息丢失的DGRU神经网络及其预测模型建立方法。DGRU神经网络预测模型建立方法包括如下步骤：1、对数据集进行数据清洗，包括处理数据不平衡问题、归一化问题；2、利用数据预处理后的数据集训练DGRU神经网络，建立预测模型；3、根据模型预测结果。DGRU神经网络，包括输入层、输出层和隐含层，隐含层由DGRU神经元构成，DGRU是在GRU的基础上改进的，DGRU神经网络的输入数据为经过数据预处理后的t时刻的集群行为数据 输出数据为预测的下一刻集群行为 本发明增加了不同层之间的信息传递，增强模型的记忆能力，克服传统GRU神经网络信息丢失问题，应用DGRU建立的预测模型，提高了预测精度。
-
公开(公告)号：CN107688752A
公开(公告)日：2018-02-13
申请号：CN201710717235.6
申请日：2017-08-21
Applicant: 哈尔滨工程大学
CPC classification number: G06F21/6254 , G06K9/6218 , G06K9/6267
Abstract: 本发明公开了一种面向多视图聚类挖掘的个性化隐私保护方法，属于信息安全技术领域。本发明提出隐私偏序拓扑分类算法(PT，Privacy Topology)，针对不同隐私数据的敏感性差异表示问题，先定义隐私关系并构建隐私偏序集，据此设计隐私数据的拓扑分类算法求解隐私线序集。针对隐私数据的多个视图，对原始数据、隐私度、元组敏感度、隐私线序集等视图进行多视图聚类。提出面向聚类的个性化匿名算法(PPOC，Personal Privacy Oriented Classtering),通过可变k-匿名策略，利用面向多视图聚类的满足个性化需求的隐私保护算法，实现对不同聚类簇以及同簇内部不同元组施加程度有别的个性化保护操作。
-
公开(公告)号：CN109886574B
公开(公告)日：2023-02-14
申请号：CN201910126437.2
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: G06Q10/0631
Abstract: 本发明属于信息处理领域，公开了一种基于改进阈值法的多机器人任务分配方法，包含如下步骤：定义第m次迭代时机器人i对任务j的响应阈值；在第m次迭代，阈值刺激差最大时对应的任务即机器人i在t时刻要执行的任务；如果机器人执行任务成功或失败且还有未被执行的任务，继续在未被执行的任务中选择阈值刺激差最大时对应的任务去执行；当机器人进入等待状态或等待区即没有可执行任务时，令机器人不断寻找可执行的任务；直到所有任务都被执行完成即完成一次迭代时，重置机器人和任务点的位置，根据阈值更新公式计算第m+1次迭代时机器人i对任务j的响应阈值和阈值刺激差。本发明优化了多任务处理能力，提高了算法的效率，提高了系统的资源利用率。
-
Patent Agency Ranking
公开(公告)号：CN109839933B
公开(公告)日：2022-04-29
申请号：CN201910126801.5
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明属于多机器人任务分配领域，具体涉及一种基于VDSOM算法的多机器人任务分配方法。这种方法不仅有效地实现了多机器人的任务分配，同时也有效地避开了环境中的障碍物，从而使多机器人任务分配更具备实用性和高效性。发明主要包括：初始化神经网络，寻找某一输入神经元的获胜神经元(机器人)，以确定该任务目标点是由那个机器人执行；设计一个邻域函数，用来确定在邻域范围内受获胜神经元影响的输入神经元；控制获胜神经元和其相邻神经元向目标的位置坐标移动，根据矢量方向方法，在成功避开环境中障碍物的前提下，向目标点移动一定距离。修改权值，以确定下一次的获胜神经元。
-
公开(公告)号：CN107544904B
公开(公告)日：2020-11-03
申请号：CN201710717237.5
申请日：2017-08-21
Applicant: 哈尔滨工程大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于深度CG‑LSTM神经网络的软件可靠性预测模型，属于计算机软件技术领域。本发明包括模型训练和模型预测两部分，模型训练部分：对软件失效数据集进行数据归一化处理；利用归一化处理后的软件失效数据集训练基于深度CG‑LSTM神经网络的软件可靠性预测模型，获得预测模型。模型预测部分：获取当前软件失效数据并采进行数据归一化处理，然后输入获得的预测模型进行未来的软件失效预测，得到预测结果。本发明克服基于传统神经网络的软件可靠性预测模型的梯度消失问题、泛化能力差问题，模型预测精度更高、适用性更广。
-
公开(公告)号：CN109839933A
公开(公告)日：2019-06-04
申请号：CN201910126801.5
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明属于多机器人任务分配领域，具体涉及一种基于VDSOM算法的多机器人任务分配方法。这种方法不仅有效地实现了多机器人的任务分配，同时也有效地避开了环境中的障碍物，从而使多机器人任务分配更具备实用性和高效性。发明主要包括：初始化神经网络，寻找某一输入神经元的获胜神经元(机器人)，以确定该任务目标点是由那个机器人执行；设计一个邻域函数，用来确定在邻域范围内受获胜神经元影响的输入神经元；控制获胜神经元和其相邻神经元向目标的位置坐标移动，根据矢量方向方法，在成功避开环境中障碍物的前提下，向目标点移动一定距离。修改权值，以确定下一次的获胜神经元。
-
公开(公告)号：CN107609648A
公开(公告)日：2018-01-19
申请号：CN201710599192.6
申请日：2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06N3/12
Abstract: 本发明设计了一种结合堆叠降噪稀疏自动编码器的遗传算法，主要包括堆叠降噪稀疏自动编码器部分、SOM神经网络部分和遗传算法。通过堆叠降噪稀疏自动编码器提取实时环境图像特征,同时消除环境噪声影响，经过SOM神经网络的映射拟合作为遗传算法中的适应度值，解决了传统遗传算法应用于复杂现实环境时，其固定适应度计算函数欠缺灵活性与准确性的问题，避免算法出现欺骗问题，提高了算法解的质量，同时SOM神经网络映射拟合能够有效避免其他神经网络的长时间迭代运算与输出误差问题。
-
公开(公告)号：CN107544904A
公开(公告)日：2018-01-05
申请号：CN201710717237.5
申请日：2017-08-21
Applicant: 哈尔滨工程大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于深度CG-LSTM神经网络的软件可靠性预测模型，属于计算机软件技术领域。本发明包括模型训练和模型预测两部分，模型训练部分：对软件失效数据集进行数据归一化处理；利用归一化处理后的软件失效数据集训练基于深度CG-LSTM神经网络的软件可靠性预测模型，获得预测模型。模型预测部分：获取当前软件失效数据并采进行数据归一化处理，然后输入获得的预测模型进行未来的软件失效预测，得到预测结果。本发明克服基于传统神经网络的软件可靠性预测模型的梯度消失问题、泛化能力差问题，模型预测精度更高、适用性更广。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.041 seconds)
