-
公开(公告)号：CN113606972A
公开(公告)日：2021-11-05
申请号：CN202110692985.9
申请日：2021-06-22
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种柔性超薄均热板，上柔性盖板由高导热柔性石墨复合膜构成，下柔性盖板由铜箔构成。下柔性盖板内侧具有毛细吸液芯结构，其下层由蒸发端微圆柱阵列、绝热段和冷凝端微沟槽阵列组成，中间层为细丝网，上层为粗丝网。制备时，毛细吸液芯下层微圆柱及微沟槽阵列通过蚀刻工艺加工获得，后与中间层细丝网、上层粗丝网烧结成一体；上、下柔性盖板之间通过密封边缘四周形成密闭腔体，抽真空、灌注工质后封口。本发明结构、工艺简单，制作方便，具有良好的柔性，可以反复弯曲，且体积小、质量轻、导热性强，能够很好地解决可折叠、曲面、柔性电子设备的散热问题。本发明还提供了上述柔性超薄均热板的制备方法。
-
公开(公告)号：CN110309331B
公开(公告)日：2021-07-27
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。
-
公开(公告)号：CN112733758A
公开(公告)日：2021-04-30
申请号：CN202110054011.8
申请日：2021-01-15
Applicant: 哈尔滨工业大学(深圳)
IPC: G06K9/00
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：CN116104639A
公开(公告)日：2023-05-12
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：CN114844621B
公开(公告)日：2023-04-07
申请号：CN202210365746.7
申请日：2022-04-08
Applicant: 哈尔滨工业大学(深圳) , 暨南大学
Abstract: 本发明公开了一种基于多密钥全同态加密的多用户隐私保护机器学习方法及装置，方法包括：由公共字符串CRS进行多密钥全同态加密算法的初始化、生成安全参数λ及生成公共参数集mkparams；服务器S整合各个数据提供方上传的单密钥密文数据Encski(di)得到多密钥密文数据集Encsk(D)；服务器S在多密钥密文数据集Encsk(D)的基础上将普通机器学习算法中的线性运算替换为全同态加法和全同态乘法，对多密钥密文数据集Encsk(D)进行机器学习建模训练；服务器S将多密钥加密的模型密文Encsk(model)下发给各个数据提供方DPi和解密方DE；解密多密钥模型密文Encsk(model)，从而得到由各个数据提供方DPi的数据D训练得到的模型model＝Decsk(Encsk(model))。本发明在保证较高安全性的同时，以较低通信代价和较少交互次数完成隐私计算任务。
-
Patent Agency Ranking
公开(公告)号：CN113763539B
公开(公告)日：2023-04-07
申请号：CN202111054666.1
申请日：2021-09-09
Applicant: 哈尔滨工业大学(深圳)
IPC: G06T17/00 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于图像和三维输入的隐式函数三维重建方法，其包括：通过三维输入预测网络处理三维输入以生成三维点的第一空间占用概率；通过图像预测网络处理输入图像以生成三维点的第二空间占用概率；所述的第一空间占用概率和第二空间占用概率被用来生成三维重建模型作为输出。本发明具有能准确提取二维图像包含的细节信息又能表达三维输入表示的结构形状信息而重建高准确度的三维模型的优点。
-
公开(公告)号：CN114048833B
公开(公告)日：2023-01-17
申请号：CN202111303688.7
申请日：2021-11-05
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于神经网络虚拟自我对局的多人、大规模非完全信息博弈方法及装置，本发明在传统的神经网络虚拟自我对局NFSP算法的基础上引入了优先级经验采样机制和优先级加权的程度控制机制，根据经验片段的学习价值设置优先级来过滤记忆库中的经验，对于优先经验的存储和采样，采用求和树的数据结构，以时间复杂度实现优先级经验采样，降低NFSP训练过程中与环境交互的代价，加快求解速度；同时使用马尔科夫决策过程对扩展式博弈进行建模，将多人博弈转化成单个智能体与环境的交互过程，可看作单个智能体和环境的二人博弈，将NFSP的应用范围拓展至多人博弈，增强算法的泛用性。
-
公开(公告)号：CN115470927A
公开(公告)日：2022-12-13
申请号：CN202210987308.4
申请日：2022-08-17
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种替代模型自动提取方法、终端及存储介质，方法包括：获取目标模型面向的任务及任务数据信息，根据目标模型面向的任务确定替代模型的架构，并根据模型提取的特点及为改进提取流程设置模型提取框架；对收集的目标模型的任务数据进行降维处理，并对降维后的数据进行筛选，得到替代模型的训练数据集；根据预设指标度量替代模型的分类信心，根据分类信心对训练数据集进行分类，得到查询样本数据；通过模型提取框架中的监督学习算法和一致性正则化算法训练替代模型，得到训练后的替代模型；本发明可以获得目标模型决策能力，使得替代模型尽可能接近甚至超越目标模型在测试数据集上的表现，从而使得替代模型具有更令人满意的可用性。
-
公开(公告)号：CN114896712A
公开(公告)日：2022-08-12
申请号：CN202111488320.2
申请日：2021-12-07
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： 张凤亮 , 刘洋 , 翦凝敏 , 谷东锴 , 石磊 , 董浩 , 丁习斌 , 李坤林 , 陈熙 , 吴边 , 韦骄原 , 樊志标 , 罗成 , 敖凌宇 , 杨波 , 王璐 , 李颖 , 华建成
Abstract: 本发明公开了一种基于基准贝叶斯原理与稀疏正则化的结构损伤识别方法，包括对结构进行环境振动测试，采集加速度信号数据；对采集信号进行快速贝叶斯FFT模态识别，获得结构实测模态信息；建立有限元模型，参数化刚度矩阵；基于基准贝叶斯原理与稀疏正则化构建损伤识别目标函数；设置正则化参数选取范围和迭代步长，对其中任一正则化参数采用群体智能优化算法求解目标函数；基于DP准则选取正则化参数，求解得到最优结构参数。本发明根据基准贝叶斯原理及稀疏正则化技术建立了实测模态参数与根据有限元模型计算的理论模态参数之间的拟合函数(即损伤识别目标函数)，并采用智能优化算法求解最优的结构参数，实现了结构损伤的定位与量化。
-
公开(公告)号：CN113947022B
公开(公告)日：2022-07-12
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 0.038 seconds)
