-
公开(公告)号：CN112185395A
公开(公告)日：2021-01-05
申请号：CN202010920024.4
申请日：2020-09-04
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提出一种基于差分隐私的联邦声纹识别方法，包括一：在服务端进行通用背景模型UBM预训练得到初始通用背景模型UBM；二：客户端接收预训练后的初始通用背景模型UBM，利用本地的私有语音数据进行初始通用背景模型UBM的学习；三：客户端学习得到的统计量进行差分隐私保护；四：服务端聚合多个客户端上传的差分隐私保护后的统计量，更新初始通用背景模型UBM；五：客户端接收更新后通用背景模型UBM，借助本地私有语音数据调整得到该客户端用户的高斯混合模型GMM，利用更新后通用背景模型UBM和该用户的高斯混合模型GMM判别待验证语音是否为该客户端用户所产生。
-
公开(公告)号：CN112183767A
公开(公告)日：2021-01-05
申请号：CN202011059108.X
申请日：2020-09-30
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请实施例公开了一种多密钥下模型聚合的联邦学习方法及相关设备，用于在多方协同训练机器学习模型时，保障各个数据公司的数据样本不被公开。本申请实施例的联邦学习方法采用加法同态加密算法，通过密钥生成中心生成公共密钥参数和主密钥，各参与方通过公共密钥参数生成各自的参与方私钥和参与方公钥，使用各自的参与方公钥对模型参数进行加密后发送到保密节点；而后保密节点为各参与方模型添加随机扰动，从而保证在模型参数聚合过程中各参与方的模型参数的数据隐私。
-
公开(公告)号：CN112182351A
公开(公告)日：2021-01-05
申请号：CN202011042260.7
申请日：2020-09-28
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/9532 , G06F16/9535 , G06F16/33
Abstract: 本申请公开了一种基于多特征融合的新闻推荐方法，该方法包括：在达到向目标用户进行新闻推荐的触发条件时，获得待推荐新闻集合中每条待推荐新闻的多特征向量；确定目标用户的用户画像；基于用户画像与待推荐新闻集合中每条待推荐新闻的主题特征向量，确定第一推荐结果；基于目标用户的当前浏览新闻与待推荐新闻集合中每条待推荐新闻的关键词向量、标题与摘要特征向量，确定第二推荐结果；根据第一推荐结果和第二推荐结果，确定最终推荐结果，并推荐给目标用户。应用本申请所提供的技术方案，推荐给用户的新闻更符合用户的兴趣，更有针对性，提升了用户的浏览体验。本申请还公开了一种基于多特征融合的新闻推荐装置，具有相应技术效果。
-
公开(公告)号：CN112052480A
公开(公告)日：2020-12-08
申请号：CN202010953756.3
申请日：2020-09-11
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62
Abstract: 本发明实施例提供了一种模型训练过程中的隐私保护方法、系统及相关设备，用于实现模型训练过程中的隐私保护。本发明实施例方法包括：接收服务端发送的目标模型，并接收服务端发送的选择指令，选择指令用于指示随机选中的部分客户端；被选中的客户端以概率P参与目标模型训练，未被选中的客户端以概率(1‑P)参与目标模型训练；所有确定参与目标模型训练的客户端作为目标客户端，分别采用本地数据对目标模型进行训练，并计算每个训练之后的目标模型的模型参数更新值；按照预设差分隐私算法对每组模型参数更新值进行处理生成更新数据，并将更新数据返回给服务端，以使得服务端根据所有的更新数据生成本轮训练的全局模型。
-
公开(公告)号：CN110309331A
公开(公告)日：2019-10-08
申请号：CN201910599265.0
申请日：2019-07-04
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/51 , G06F16/583 , G06F16/31 , G06F16/33 , G06K9/62
Abstract: 本发明专利涉及一种基于自监督的跨模态联合哈希检索方法，该方法包括以下步骤：步骤1：针对图像模态数据进行处理：采用深度卷积神经网络对图像模态的数据进行特征提取，对图片数据进行哈希学习，将深度卷积神经网络的最后一层全连接层的节点个数设置为哈希码的长度；步骤2：针对文本模态数据进行处理：使用词袋模型对文本数据进行建模，建立一个两层的全连接神经网络对文本模态的数据进行特征提取，神经网络的输入是使用词袋模型表示的词向量，第一个全连接层节点的数据与第二个全连接层节点的数据与哈希码的长度相同；步骤3：针对类别标签处理的神经网络：采用自监督的训练方式从标签数据中提取语义特征；步骤4：最小化图像与文本网络所提取的特征与标签网络的语义特征间的距离，使得图像与文本网络的哈希模型能够更充分学习不同模态间的语义特征。
-
Patent Agency Ranking
公开(公告)号：CN116104639B
公开(公告)日：2025-05-09
申请号：CN202211392842.7
申请日：2022-11-08
Applicant: 哈尔滨工业大学(深圳)
IPC: F02B69/04 , C01B3/04 , F02G5/02 , F02D19/06 , F02D19/10 , F01N3/08 , F01N3/20 , F01N3/28 , B01D53/86 , B01D53/56
Abstract: 本发明提供了一种近零碳排放发动机系统及其工作方法，属于车用发动机及尾气后处理领域。解决了氨氢发动机冷启动时间长、NOx气体排放高以及尿素SCR技术存在的缺点的问题。它包括液氨罐、柴油罐、双燃料发动机、催化裂解反应器、吸附式固体储氨除NOx装置和脱碳装置，系统中的双燃料发动机能在冷启动和稳定运行两种工况下，分别燃用氨、柴油混合气和氨、氢混合气，实现汽车在发动机冷启动时的正常运行并缩短暖机时间，其中氢气通过将进气中的部分氨催化裂解获得；该系统同时还设有尾气后处理装置进行脱氮和脱碳，最终实现系统近零碳零污染排放的效果。本发明适用于氨燃料发动机快速冷启动及尾气零污染排放。
-
公开(公告)号：CN114329714B
公开(公告)日：2024-06-07
申请号：CN202111632183.5
申请日：2021-12-28
Applicant: 中铁五局集团建筑工程有限责任公司 , 中铁五局集团有限公司 , 哈尔滨工业大学(深圳)
Inventor： 张良 , 粟俊富 , 丁习斌 , 韦骄原 , 张凤亮 , 董浩 , 冯磊 , 刘洋 , 敖凌宇 , 吴边 , 谷东锴 , 戴维 , 黄满强 , 苏博 , 赵谢林 , 潘家威 , 王宇涛 , 杨波
IPC: G06F30/13 , G06F30/23 , G06F30/27 , G06N7/01 , G06F111/08
Abstract: 本发明公开了一种装配式超高层结构施工运营全阶段的快速结构健康监测方法，包括：随工程项目施工进度的推进，逐步安装数据采集设备；采集施工进程中的结构振动数据并分析；建立随工程施工进度的结构有限元模型；根据结构实测模态参数与计算模型模态参数的差异，评估施工过程中的安全性；施工结束后根据结构整体振动数据对结构有限元模型进行修正；运营阶段定期采集结构振动数据并分析；将运营阶段的结构实测模态参数与修正后有限元模型模态参数进行对比分析。本发明能够及时监测整个工程施工过程中结构状态变化情况，实现施工过程的快速安全评估以指导实际施工，并在结构运营过程中对结构进行实时安全状态评估以及时发现结构安全隐患。
-
公开(公告)号：CN112733758B
公开(公告)日：2023-09-01
申请号：CN202110054011.8
申请日：2021-01-15
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V40/16
Abstract: 本发明公开了一种黎曼几何不变性下基于曲线的三维人脸识别方法及系统，所述方法包括以下步骤：提取两张三维人脸的径向曲线和等测地轮廓线；将人脸分为刚性区域和非刚性区域，对经过人脸不同区域的径向曲线和等测地轮廓线设置不同的权值；采用曲线的形状分析方法，用SRVF描述符来表示径向曲线和等测地轮廓线，并进行配准与度量比较；计算两张三维人脸的对应测地线距离，并对所述两张三维人脸进行分类识别。相对于现有技术，本发明可以减少人脸数据的计算量，解决人脸表情变化时产生的形变对人脸识别产生的影响。
-
公开(公告)号：CN116503642A
公开(公告)日：2023-07-28
申请号：CN202310269638.4
申请日：2023-03-15
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/764 , G06V10/42 , G06V10/82 , G06N3/098 , G06N20/20
Abstract: 本发明公开了一种基于改进联邦学习的数据分类方法、系统及相关设备，方法包括：目标客户端根据预设的改进联邦学习算法对其对应的待训练的数据分类模型进行模型迭代训练，获得对应的已训练的数据分类模型，目标客户端根据预设的改进联邦学习算法进行一轮迭代时，基于全局特征提取器模型参数、全局分类器模型参数和本地分类器模型参数对待训练的数据分类模型的模型参数进行调整，全局特征提取器模型参数和全局分类器模型参数由目标客户端从服务器获取，本地分类器模型参数由目标客户端从本地存储的数据获取；目标客户端获取待分类数据，通过对应的已训练的数据分类模型进行分类获取待分类数据对应的目标类别。本发明有利于提高数据分类的准确性。
-
公开(公告)号：CN113947022A
公开(公告)日：2022-01-18
申请号：CN202111220714.X
申请日：2021-10-20
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F30/27 , G06V20/40 , G06K9/62 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明公开了一种基于模型的近端策略优化方法，包括步骤：获取模拟环境，并确定所述模拟环境对应的环境模型和策略网络；基于所述策略网络与所述模拟环境，确定状态数据；其中，所述状态数据包括所述模拟环境的视频序列帧；基于所述模拟环境的视频序列帧训练所述环境模型，得到已训练的环境模型输出的预测图像；基于所述预测图像，更新所述状态数据，得到更新的状态数据；基于所述更新的状态数据，更新所述策略网络，得到更新的策略网络。融合基于模型的深度强化学习算法，提出了基于模型的近端策略优化框架，较好的解决了非完全信息博弈环境下采样利用率低的问题，在提高采样率的同时提升训练速度。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.031 seconds)
