公开(公告)号：CN110689484A

公开(公告)日：2020-01-14

申请号：CN201910921698.3

申请日：2019-09-27

Applicant: 哈尔滨理工大学

Inventor： 高俊山 ,  刘宇鹏 ,  暴国庆

IPC: G06T3/40 ,  G06T3/00 ,  G06T1/60 ,  G06K9/46

Abstract: 本发明公开了一种自动全景图片拼接方法及存储设备，存储设备接受图片,对所有图片中提取SIFT特征，再使用K-D树为每个特征点找到其的K个最近匹配特征点，然后对每个图像选择候选匹配图像，并使用RANSAC查找几何上一致的特征匹配，以求解图像对之间的单应性，再使用概率模型验证图像匹配，然后使用多波段混合渲染全景，最后输出全景图像，本发明可以自动识别构成全景图像一部分的图像，并在没有任何用户输入的情况下缝合它们。

公开(公告)号：CN110604044A

公开(公告)日：2019-12-24

申请号：CN201910929559.5

申请日：2019-09-27

Applicant: 哈尔滨理工大学

Inventor： 高俊山 ,  刘宇鹏 ,  任浩楠

IPC: A01G25/16

Abstract: 本发明公开了一种用于树木养殖的处理设备，包括处理器本体，所述处理器本体安装在设备内部，所述处理器本体固定在底座上，底座与设备之间易于拆卸，安全可靠。设备顶部为斜坡形可有效避水避雨，适宜大部分的外界环境。设备机身坚固且轻便，体积小便于移动，应用性广，适用于大部分的灌溉设备。

公开(公告)号：CN103646019A

公开(公告)日：2014-03-19

申请号：CN201310751047.7

申请日：2013-12-31

Applicant: 哈尔滨理工大学

Inventor： 刘宇鹏

IPC: G06F17/28

Abstract: 一种多个机器翻译系统融合的方法及装置，本发明涉及到机器翻译的相关领域。本发明是要解决传统的在后处理上做系统融合的方法没有充分考虑解码过程的信息和融合不能充分考虑解码中搜索空间的问题。多个机器翻译系统融合的装置包括预处理器，短语抽取器，语言模型生成器，多个机器翻译系统训练器与解码器；一、机器翻译系统的预处理；二、建立每个翻译系统的翻译超图；三、融合两个翻译超图并对训练集合进行训练；其中，所述训练包含两个部分：融合前的单个机器翻译系统采用最大熵训练的BTG调序模型与融合后的机器翻译系统采用最小错误率训练MERT；四、对测试集合进行解码生成翻译结果，对翻译结果进行评分。本发明应用于机器翻译领域。

公开(公告)号：CN116383757A

公开(公告)日：2023-07-04

申请号：CN202310223713.3

申请日：2023-03-09

Applicant: 哈尔滨理工大学 ,  长春大学

Inventor： 邹英永 ,  张永德 ,  肖治国 ,  刘宇鹏 ,  赵文卓

IPC: G06F18/25 ,  G06F18/21 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明公开了一种基于多尺度特征融合和迁移学习的轴承故障诊断方法，所述包括如下步骤：步骤1：在多尺度特征融合层中使用不同尺度的三个卷积核来捕获互补和丰富的诊断信息；步骤2：将多尺度振动信号的采样点分组为小的标记块，每个标记块表示多尺度信号中的语义概念，然后通过展平转换成序列，为了保留信号的位置信息，使用线性嵌入层投影到补丁嵌入，生成具有标记的嵌入序列；步骤3：将嵌入序列馈送到TransformerEncoder层以生成特征序列；步骤4：将特征序列输入到对抗生成网络中，进行基于Wasserstein距离度量的对抗学习。本发明解决了滚动轴承特征提取不充分以及故障诊断不准确、工况下存在过拟合的问题。

公开(公告)号：CN115985439A

公开(公告)日：2023-04-18

申请号：CN202310013863.1

申请日：2023-01-05

Applicant: 哈尔滨理工大学

Inventor： 刘宇鹏 ,  张江 ,  秦毅

IPC: G16H10/60 ,  G06N20/00 ,  G06F21/62

Abstract: 一种基于去联邦学习的医疗数据共享系统及方法，涉及医疗共享数据领域。本发明是为了解决现有联邦学习方法还存在现有联邦学习无法有效解决持续学习面临的灾难性遗忘的问题，同时还存在移除医疗机构数据贡献会导致其他医疗机构客户端的性能降低的问题。本发明包括：利用医疗机构客户端从服务器获取初始模型；利用医疗机构客户端获取的医疗数据构建基于蒸馏的损失函数更新本地模型权重；将权重上传到服务器；聚合权重，将聚合的权重发送医疗机构客户端；判断医疗机构客户端是否退出，若医疗机构客户端没有退出则重新获取初始模型，若医疗机构客户端退出则恢复医疗机构客户端训练。本发明用于医疗数据的共享。

公开(公告)号：CN110879940B

公开(公告)日：2022-07-12

申请号：CN201911149958.6

申请日：2019-11-21

Applicant: 哈尔滨理工大学

Inventor： 刘宇鹏 ,  张晓晨

IPC: G06F40/58 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度神经网络的机器翻译方法及系统，是为了解决现有的深度神经翻译方法由于词典的限制，使得翻译结果中会出现未登录词，并且过分关注于源语言全局语境，对于源语境覆盖不足或覆盖过多的缺点而提出的，包括：对训练预料进行分词处理，得到字符向量和词向量；构造字符级双向RNN和词级双向RNN；将每个词生成的隐状态向量进行连接形成源句子的向量表示形式；计算源句子中多个词翻译成目标词的对齐概率，并通过获得的对齐概率和源语言的隐变量向量计算当前词的语境向量；将对齐模型生成的语境向量作为两层GRU的输入，计算得到目标字符生成概率；构建深度神经网络，通过深度神经网络进行翻译。本发明适用于机器翻译系统。

公开(公告)号：CN114005549A

公开(公告)日：2022-02-01

申请号：CN202111320994.1

申请日：2021-11-09

Applicant: 哈尔滨理工大学

Inventor： 刘宇鹏 ,  林明豪 ,  杨锦锋 ,  张晓晨

IPC: G16H80/00 ,  G06F40/35 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度学习的增强型自动医疗诊断对话系统，它属于自然语言处理与深度学习相结合的学科交叉领域。本发明解决了由于现有系统对医疗词汇、医疗问题不敏感，导致采用现有系统输出诊断结果的准确率低的问题。本发明通过使用医疗类的数据集对模型进行预训练、微调，使模型能够对医疗类对话进行更加有效的建模，同时通过词汇级系统融合对于多系统的结果进行重排序以增强原有的对话结果。对用户提出的问题，能够更好地捕捉到相关信息，然后做出相应回答，有利于提高输出诊断结果的准确率。本发明可以应用于自动医疗诊断对话。

公开(公告)号：CN111414749A

公开(公告)日：2020-07-14

申请号：CN202010193329.X

申请日：2020-03-18

Applicant: 哈尔滨理工大学

Inventor： 刘宇鹏 ,  张晓晨

IPC: G06F40/211 ,  G06F40/284 ,  G06F16/951 ,  G06N3/04 ,  G06N3/08

Abstract: 基于深度神经网络的社交文本依存句法分析系统，涉及计算机信息处理技术领域，针对现有技术中社交文本数据稀疏的问题，包括：社交文本爬取模块、预处理模块、基双线性注意力模块、栈式双线性注意力模块和联合解码和训练模块；所述社交文本爬取模块用于从社交媒体网站上爬取社交文本；所述预处理模块用于对获得的社交文本进行过滤处理，以及初始化词向量的生成；所述基双线性注意力模块用于利用正规文本进行预训练；所述栈式双线性注意力模块用于对社交文本进行预测；所述联合解码和训练模块用于对栈式双线性注意力模块进行计算经验风险函数，并进行反向传播梯度调节参数，拟合训练函数，最后利用GPU并行计算加速模型训练。

公开(公告)号：CN103699529A

公开(公告)日：2014-04-02

申请号：CN201310751048.1

申请日：2013-12-31

Applicant: 哈尔滨理工大学

Inventor： 刘宇鹏

IPC: G06F17/28 ,  G06F17/27

Abstract: 一种使用词义消歧的融合机器翻译系统的方法及装置，本发明涉及机器翻译的相关领域。本发明是要实现对多个机器翻译系统进行后处理式融合，且在融合的过程中提高单语对齐的质量，实现混淆网络高效训练和解码，而提供了一种使用词义消歧的机器翻译系统与融合方法。一、确定词义；二、对句子相似度进行计算；（1）采用路径长度计算单词在句子中语义相似度；（2）采用语义矩阵计算两个句子的语义相似度；三、混淆网络的构建；四、混淆网络的训练；混淆网络的训练采用传统的机器翻译MERT训练方法；五、混淆网络解码，从混淆网络中解码出最好的翻译，采用经典自左向右的Beam-Search解码。本发明应用于机器翻译领域。