-
公开(公告)号：CN119454002A
公开(公告)日：2025-02-18
申请号：CN202411371193.1
申请日：2024-09-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供一种基于时序特征曲线的帕金森病步态对比分析方法，该方法包括获取包含步态信息的视频数据，该步态信息包括用户使用药物前后的步态信息；对视频数据中的人体进行姿态识别，提取出关键的身体部位的位置信息；根据提取的关键点信息，计算步态特征，并将这些特征随时间的变化构建成时序曲线；利用数字滤波器对提取到的步态特征进行数据处理；利用频幅振幅增强的动态时间规整方法将局部频率和振幅整合到距离度量中，来量化步态运动的差异；获得曲线差异距离；基于最优规整路径中的累积频率差异和振幅差异来计算度量指标。本发明在精确度、时间敏感性、鲁棒性、适应性、综合评估能力、量化分析以及临床应用潜力等方面均表现出显著优势。
-
公开(公告)号：CN118611625B
公开(公告)日：2025-02-18
申请号：CN202410758052.9
申请日：2024-06-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H03H17/02 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明涉及基于自注意力和格轨迹分片线性近似的非线性滤波方法。其方法包括：获取非线性系统及其初始状态估计值，通过嵌入自注意力机制网络的卡尔曼滤波算法进行状态估计，其网络的训练包括：根据非线性系统和初始状态估计值构建状态轨迹，并利用格轨迹分片线性近似方法对原非线性模型进行近似，得到系统的格分片近似模型，根据非线性系统模型和随机生成的噪声构建训练数据集，根据系统的格分片近似模型和批量估计算法构建预训练数据集，根据预训练数据集对简化的自注意力机制网络进行批量预训练后保存网络权重，然后将其嵌入卡尔曼滤波框架中利用训练数据集进行端到端的正式训练。本发明的嵌入自注意力机制的卡尔曼滤波能获得更优滤波效果。
-
公开(公告)号：CN119449387A
公开(公告)日：2025-02-14
申请号：CN202411469020.3
申请日：2024-10-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L9/40 , H04L41/142 , H04L67/12 , G06F21/55
Abstract: 本发明提供了一种针对城市电力交通耦合系统的攻击方法、介质及装置，属于电力交通系统可靠性评估技术领域，包括以下步骤：S1、通过充电设施将电力系统模型和交通系统模型进行耦合，得到电力交通耦合模型；S2、针对电力交通耦合模型设置网络攻击策略、物理攻击策略和网络物理协同攻击策略共三种攻击策略；S3、基于电力交通耦合模型和三种攻击策略，构建针对电力交通耦合系统的网络‑物理攻击的双层优化模型。本发明采用上述的一种针对城市电力交通耦合系统的攻击方法、介质及装置，通过对不同攻击策略的系统性分析，探索攻击策略对系统运行成本的增幅及其对社会经济的连锁反应，最终保障耦合系统在复杂网络环境下的安全、稳定、经济运行。
-
公开(公告)号：CN119447982A
公开(公告)日：2025-02-14
申请号：CN202411519018.2
申请日：2024-10-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H01S5/0687 , H01S5/065 , H01S5/34
Abstract: 本发明提供一种基于量子点激光器的自注入锁定稳频系统，包括量子点激光器、分光元件和反射单元，量子点激光器内设有激光腔，量子点激光器的两端均能够输出激光，分光元件和反射单元沿量子点激光器一端发射激光的方向依次设置，量子点激光器、分光元件和反射单元通过光纤或波导相连接，量子点激光器一端输出的激光光束能够被分光元件分离出一部分经反射单元反射回激光腔内从量子点激光器的另一端输出。本发明的有益效果为：提高量子点激光器输出的频率稳定性和高精度控制，结构简单，成本低廉，优化了量子点激光器的射频光谱线宽，提高了量子点激光器脉冲的时间抖动性能。
-
公开(公告)号：CN119439743A
公开(公告)日：2025-02-14
申请号：CN202411584075.9
申请日：2024-11-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G05B13/04
Abstract: 本发明公开了基于最差情况的不确定性系统李雅普诺夫稳定强化学习控制算法，包括以下步骤：S1、通过relu激活网络对系统动力学模型和不确定性边界进行建模；S2、确定鲁棒性条件，并将其用于预先确定吸引域的面积；S3、确定动力学模型不确定性和状态估计下的鲁棒性保证RL；S4、网络参数化建立；S5、对倒立摆和四旋翼无人机进行数值模拟。本发明采用上述的基于最差情况的不确定性系统李雅普诺夫稳定强化学习控制算法，仍然可以准确地找到最违逆的状态，从而强制其在不确定性下的稳定性，给出了鲁棒RL问题解存在性的几何视图来解释鲁棒性及其能力，在各种不确定性下对倒立摆和四旋翼机的数值模拟证明了所提出方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN117690705B
公开(公告)日：2025-02-14
申请号：CN202311710103.2
申请日：2023-12-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于可调磁永磁体的可变电感及其验证方法，属于电感领域，包括两个开口相对设置的磁芯，磁芯的两个边柱外侧分别缠绕有两个主功率电感绕组，两个主功率电感绕组的一端相互串联，两个主功率电感绕组的另一端均与交流电源电性连接；磁芯的中柱上镶嵌有可调永磁体，镶嵌有可调永磁体的中柱外侧缠绕有脉冲调磁绕组，脉冲调磁绕组与用于调节通入脉冲电流峰值的脉冲电源电路电性连接。本发明采用上述基于可调磁永磁体的可变电感及其验证方法，可经改变脉冲调磁电流，改变可调永磁体的磁场强度大小，减小了损耗，同时减少了控制电感值所配套的电路的功率等级以及体积和发热，进一步地增加了可变电感的应用范围。
-
公开(公告)号：CN119417117A
公开(公告)日：2025-02-11
申请号：CN202411455090.3
申请日：2024-10-17
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06Q10/0631 , G06N5/022 , G06N5/04
Abstract: 本申请实施例提供了一种异质机器人的控制方法、装置、电子设备以及存储介质，属于人工智能技术领域。该方法包括：根据获取到的总任务数据和环境感知数据生成任务提示词；在当前轮次的对话中，对获取到的历史对话文本和任务提示词进行回应，生成新的对话文本，将新的对话文本更新到历史对话文本中，直至所有异质机器人均完成发言时，完成当前轮次的对话，其中，当目标异质机器人为多个异质机器人中首个发言的时，历史对话文本为空；在至少一个轮次的对话结束后，基于由最后一个发言的异质机器人更新的历史对话文本，提取得到目标异质机器人对应的子任务数据，并执行对应的子目标任务。本申请能够提高多个异质机器人协作完成总目标任务的效率。
-
公开(公告)号：CN119411689A
公开(公告)日：2025-02-11
申请号：CN202411423269.0
申请日：2024-10-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及一种钢结构模块及叠梁单柱模块化钢结构建筑体系，其中，钢结构模块包括由四个竖直的模块柱和八个水平的模块梁围成的立方体模块主体和至少一组悬臂梁；所述一组悬臂梁为四个，四个所述悬臂梁于所述模块主体的一个侧面上由四个模块梁分别向外延伸形成；一个所述钢结构模块的所述一组悬臂梁用于与水平相邻的所述钢结构模块的所述一组悬臂梁一对一连接，以实现两个水平相邻的所述钢结构模块之间的水平连接。其有益效果是，构建的模块化钢结构建筑体系解决了当前模块化体系“并柱”的不足，使得模块间连接节点受力简化，模块化体系整体性提高、抗侧刚度高，安装过程简单高效。
-
公开(公告)号：CN117408848B
公开(公告)日：2025-02-11
申请号：CN202311726016.6
申请日：2023-12-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于区块链的高校实验教学管理系统，包括接口层、应用层、区块链平台，区块链平台包括区块链底层，区块链底层包括共识域和SPV域，共识域包括多个数据共识节点，SPV域包括多个SPV节点，接口层：用于实现对外的请求交互；应用层：包括核心逻辑和辅助逻辑，核心逻辑负责实验仪器、学生信息以及实验报告的上链、查询，辅助逻辑负责日志、监控服务；区块链底层：负责节点管理，并通过智能合约实现学生实验过程中的数据、截图的链上逻辑；SPV节点：通过全量和局部同步机制，同步链上的交易数据、状态数据。本发明的有益效果是：该高校实验教学管理系统实现了学生的实验过程和结果数据同步及时性、溯源性、匿名性和安全性。
-
公开(公告)号：CN119397366A
公开(公告)日：2025-02-07
申请号：CN202510007379.7
申请日：2025-01-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/241 , G06F18/2135 , G06N3/084 , G06N3/048 , G06N3/0895
Abstract: 本发明属于人工智能与深度学习领域，提供基于自适应适配层选择的小样本持续学习方法及系统。其中，基于自适应适配层选择的小样本持续学习方法包括将预训练线性权重的奇异值；冻结知识敏感成分所对应的预训练线性权重矩阵；自适应确定适配层；基于适配层的适配器矩阵与当前增量适配训练阶段的训练样本特征相乘，得到冗余容量特征；重新获取小样本回放数据，基于更新后的预训练线性权重矩阵依次进行奇异值分解、适配层自适应确定及增量适配训练操作，直至持续学习模型达到设定要求时停止学习，以利用训练好的持续学习模型执行分类任务。其实现了对最小化旧知识干扰的动态适配器选择，保障了小样本持续学习模型的分类准确性。
-
-
-
-
-
-
-
-
-
Search Results
2749
records
(took 0.135 seconds)
