-
公开(公告)号：CN113408430B
公开(公告)日：2022-09-09
申请号：CN202110692364.0
申请日：2021-06-22
Applicant: 哈尔滨理工大学
IPC: G06K9/00 , G06F40/211 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明是一种基于多级策略和深度强化学习框架的图像中文描述系统及方法，属于计算机视觉和自然语言处理的交叉领域，图像中文描述方法针对图像中文描述中生成语句的连贯性不佳、可读性差、模型训练时间长等问题；基于RNN的模型，语言指标和视觉语义功能集成以进行优化。所提出的框架包括多级策略网络和多级奖励功能两个模块，引入ResNet152网络提取图像全局特征,通过双层门控循环单元网络(GRU)解码生成图像中文描述模型。本文使用AI Challenger全球AI挑战赛图像中文描述数据集进行实验，并针对词级策略网络和语言奖励功能(56)对比文件王玉静等.Chinese Alt Text WritingBased on Deep Learning《.Internationalinformation and Engineering technologyassociation》.2019,第36卷(第2期),161-170.Soheyla Amirian等.Automatic Image andVideo Caption Generation With DeepLearning: A Concise Review andAlgorithmic Overlap《.IEEE Access》.2020,第8卷全文.徐航.基于深度网络与多特征融合的视频语义描述方法研究《.中国优秀硕士学位论文全文数据库 (信息科技辑)》.2020,(第2期),全文.
-
公开(公告)号：CN114861778A
公开(公告)日：2022-08-05
申请号：CN202210429221.5
申请日：2022-04-22
Applicant: 哈尔滨理工大学
Abstract: 一种改进宽度迁移学习的不同负载下滚动轴承状态快速分类方法，涉及滚动轴承故障分类技术领域，用以解决深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题。本发明的技术要点包括：以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口，并在增强层引入Maxout激活函数构建改进的BLS网络，同时引入遗传算法优化网络节点结构，建立基于源域数据的预训练模型；将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络，并利用少量目标域训练样本微调网络建立状态分类模型。本发明方法可以在更短的时间内建立分类模型并获得良好的分类准确率，适用于不同负载下滚动轴承故障状态的快速分类。
-
公开(公告)号：CN110346142A
公开(公告)日：2019-10-18
申请号：CN201910680524.2
申请日：2019-07-25
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06K9/00 , G06K9/62
Abstract: 一种基于无监督特征对齐的变负载下滚动轴承故障诊断方法，属于滚动轴承故障诊断领域。针对滚动轴承实际工作中缺少某种负载数据，使得源领域数据与目标领域数据属于不同分布以及目标领域样本不含标签的问题。利用变分模态分解结合奇异值分解获取振动信号的时频特征，再结合振动信号时域、频域特征构建多域特征集；引入迁移学习中能够实现无监督领域适应的子空间对齐算法并进行改进，将核映射方法与SA算法相结合。将训练数据和测试数据映射到相同高维空间，在高维空间的子空间进行特征对齐，实现不同负载下源领域特征向目标领域特征对齐。在目标领域无标签的情况下，利用滚动轴承已知负载数据识别出其他负载数据对应的状态，具有较高的故障诊断准确率。
-
公开(公告)号：CN108717439A
公开(公告)日：2018-10-30
申请号：CN201810467249.1
申请日：2018-05-16
Applicant: 哈尔滨理工大学
Abstract: 本发明一种基于注意力机制和特征强化融合的中文文本分类方法属于数据挖掘技术领域；所述一种基于注意力机制和特征强化融合的中文文本分类方法中提出一种基于注意力机制、长短期记忆网络与卷积神经网络的特征强化融合中文文本分类模型和特征差异强化注意力算法模型；特征强化融合中文文本分类模型，以双层LSTM和CNN模块依次对注意力机制提取的文本特征进行强化融合，不断增强所提取文本特征的丰富程度和，使其包含的文本特征更加全面更加细致，从而提高了模型对中文文本特征的识别能力。
-
公开(公告)号：CN105740983A
公开(公告)日：2016-07-06
申请号：CN201610068773.2
申请日：2016-02-01
Applicant: 哈尔滨理工大学
Abstract: 一种智能用电优化方法、装置及系统，其中方法步骤包括：根据预定家庭用电数据；根据所述预定家庭用电数据通过动态规划算法得到最优用电方案。本发明基于预定家庭用电数据通过动态规划算法得到最优用电方案，使得用户可以采用最优用电方案进行用电，以根据该最优用电方案对家用电器进行智能控制，达到节能减耗的效果。
-
Patent Agency Ranking
公开(公告)号：CN120011785A
公开(公告)日：2025-05-16
申请号：CN202510114168.3
申请日：2025-01-24
Applicant: 哈尔滨理工大学
IPC: G06F18/213 , G06N3/0442 , G06N3/098 , G01M13/04
Abstract: 发明一种基于参数解耦个性化联邦的不同工况下滚动轴承寿命预测方法及系统，涉及轴承寿命预测技术领域，为解决现有方法针对来自不同工况下滚动轴承振动数据往往呈现非独立同分布的特点，可能导致参数更新方向彼此分离、全局模型收敛缓慢甚至偏离最优参数的问题。本发明采用多级退化标签表示方法对训练集轴承寿命数据的不同阶段进行标记；网络模型包括SEResNet块和ConvLSTM块，SEResNet块用于进行特征提取，并通过连接最大池化层保留重要特征，ConvLSTM块用于对特征进行进一步处理；中央服务端将网络模型解耦，将SEResNet网络作为共享表示层，将ConvLSTM和全连接层作为个性化层，通过联邦学习的方式对共享表示层进行训练，将各个共享表示层参数进行聚合，最终得到滚动轴承寿命预测模型。
-
公开(公告)号：CN114861349B
公开(公告)日：2024-08-27
申请号：CN202210429223.4
申请日：2022-04-22
Applicant: 哈尔滨理工大学
IPC: G06F30/17 , G06F30/27 , G06N3/0499 , G06N3/088 , G06F111/04 , G06F111/08
Abstract: 一种基于模型迁移和维纳过程的滚动轴承RUL预测方法，涉及滚动轴承使用寿命预测技术领域，用以解决使用寿命百分比作为标签难以准确描述滚动轴承退化过程以及不同工况情况下轴承寿命预测准确率不高的问题。本发明的技术要点包括：提取某工况下全寿命滚动轴承的各振动统计特征，利用单层NCAE网络与SOM网络构建健康指标模型，使用健康指标对滚动轴承频域幅值序列进行标记；使用源域数据训练结合深度NCAE网络与前馈神经网络FNN的组合网络得到预训练模型；利用目标域数据微调，得到滚动轴承性能退化模型，利用性能退化指标量化值的增量建立维纳过程模型，实现不同工况下滚动轴承的RUL预测。本发明适用于对滚动轴承剩余使用寿命的预测技术中。
-
公开(公告)号：CN109918681B
公开(公告)日：2023-01-31
申请号：CN201910249978.4
申请日：2019-03-29
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F16/332 , G06F16/33 , G06F16/35 , G06N3/0442 , G06N3/045
Abstract: 本发明提出了一种融合问题语义匹配方法，属于自然语言处理领域。本发明用于自动匹配回答消费者线上咨询时所提出的问题，同时通过汉字‑拼音特征融合的方法降低消费者所输入的同音错别字对问题语义匹配模型性能的影响。本发明所提出的双孪生长短时记忆网络结构通过两个单孪生长短时记忆网络独立地对汉字与拼音两种特征进行语义提取，使模型能够以不同的方式提取汉字序列与拼音序列的特征，再通过汉字与拼音特征拼接并进行语义合成，得到融合了汉字与拼音特征的语义向量，最后通过计算两个问题语义向量之间的负指数曼哈顿距离，输出两个问题的语义匹配程度。本发明提高了问题语义匹配模型在实际应用中的效果。
-
公开(公告)号：CN112836736B
公开(公告)日：2022-12-30
申请号：CN202110116366.5
申请日：2021-01-28
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/82 , G06N3/08
Abstract: 一种基于深度自编码器构图的高光谱图像半监督分类方法，涉及遥感图像处理技术领域，用以解决现有高光谱图像分类方法中存在的分类效果不佳的技术问题。本发明方法的技术要点包括：构建稀疏自编码器用于获得高光谱图像数据的谱域特征；用基于自我表达模型的方法构造图结构；利用变分图自编码器(VGAE)优化图结构；对优化后的图结构的系数矩阵进行修正；利用高斯随机场和调和函数(GRF)实现分类。本发明充分考虑了高光谱数据间的相互联系，并且兼顾高光谱数据的谱域信息和空域信息，在小样本条件下能够使高光谱数据分类达到较高的准确率。
-
公开(公告)号：CN115481665A
公开(公告)日：2022-12-16
申请号：CN202211210685.3
申请日：2022-09-30
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种用于不同规格滚动轴承故障诊断的联邦模型迁移学习方法及系统，涉及滚动轴承故障诊断技术领域，用以解决现有联邦学习方法对于不同规格的滚动轴承的故障诊断效果不佳的问题。本发明方法的技术要点包括：对多个用户振动数据做短时傅里叶变换，构建时频图数据集；各用户训练本地模型并将模型参数上传至服务器，同时引入差值更新和参数稀疏化算法改进联邦学习中本地模型参数传递策略；服务器采用联邦平均算法聚合模型参数并更新本地模型，迭代后建立用于迁移学习的共享模型；提出逐层解冻策略保留共享模型部分参数并发送给每个用户，利用本地数据微调共享模型，获得适用于每个用户的个性化模型。本发明具有较高准确率和良好的泛化性能。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.025 seconds)
