-
公开(公告)号：CN118606987A
公开(公告)日：2024-09-06
申请号：CN202410638597.6
申请日：2024-05-22
Applicant: 上海浦东发展银行股份有限公司 , 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度学习和因子分解机的纵向联邦服务推荐方法，属于服务计算与服务推荐技术领域。解决了现有技术中传统的纵向联邦因子分解机算法无法应用于双方用户数据一对一的场景的问题；本发明服务提供商引入可信第三方，采用隐私集合求交技术获取双方共同的用户空间并进行用户对齐；服务提供商使用本地深度学习模型处理用户样本数据并通过注意力模型和因子分解机模型提取深度数据特征，得到中间结果；服务提供商通过掩码技术对基于纵向联邦因子分解机算法得到的密文状态计算结果进行解密，得到实际的预测结果和前向梯度并更新本地深度学习模型和因子分解机模型的参数。本发明有效提升了服务推荐的效率，可以应用于服务推荐。
-
公开(公告)号：CN118606986A
公开(公告)日：2024-09-06
申请号：CN202410638595.7
申请日：2024-05-22
Applicant: 上海浦东发展银行股份有限公司 , 哈尔滨工业大学
Abstract: 本发明公开了一种基于纵向联邦多层感知机和持续学习的服务推荐方法，属于服务计算与服务推荐技术领域。解决了现有技术中传统的服务推荐算法无法充分利用同一用户在多个服务提供商中的全部数据的问题；本发明在出现推荐任务需要进行联邦学习训练或推理时，服务提供商通过协商引入可信第三方；服务提供商之间通过可信第三方采用隐私集合求交技术进行求交，获取双方共同的用户空间；基于共同的用户空间本地采用具有动态结构的多层感知机计算得到中间结果；服务提供商对中间结果进行加密，通过密文数据交互得到计算结果和回传梯度；最终服务提供商通过掩码技术获得实际的计算结果和回传梯度。本发明有效提升了数据应用的全面性，可以应用于服务推荐。
-
公开(公告)号：CN118690465A
公开(公告)日：2024-09-24
申请号：CN202410857625.3
申请日：2024-06-28
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) , 哈尔滨工业大学(威海) , 哈尔滨工业大学
Abstract: 本发明公开了一种用于自动驾驶测试的模块化场景构建方法及系统，涉及道路仿真场景搭建技术领域，以解决现有自动驾驶测试车辆实地测试存在高成本、低效率、特殊场景难以测试的技术问题。本发明的技术要点包括：基于不同的算法搭建多个道路模块；建立自动驾驶测试仿真环境模型库；利用多个道路模块以及自动驾驶测试仿真环境模型库进行道路场景搭建与修改。本发明通过极少的控制点同时利用向量方法以及通用坐标变换方法构建各种道路模块，减少了数据计算量，对各种情况进行分类，提高了工具的通用性，可以实现高效率自定义场景建模；容易生成复杂场景，降低了成本。
-
公开(公告)号：CN119828471A
公开(公告)日：2025-04-15
申请号：CN202411982653.4
申请日：2024-12-31
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: 本发明属于最优控制技术领域，具体涉及一种组合动力助推可重复使用航天器爬升段轨迹优化方法，针对现有的解决现有对可重复使用航天器的爬升段的轨迹优化中，对推力的处理较理想化、速度的提升效果与高度的提升效果不相匹配的问题；在经典高斯伪谱法的基础上，为了提高非光滑问题的求解的速度，在多项式次数和配点修正时，结合传统Gauss伪谱法与有限元法，基于时间段上控制变量的曲率引入自适应决策方法，决策使用提高插值多项式次数或增加时间区间的方法进行修正。以涡喷和冲压共同工作的前提下，提出了二者的作用时间及推力大小的分配方式，给出了组合推力的分配方案。
-
公开(公告)号：CN119248236A
公开(公告)日：2025-01-03
申请号：CN202411403266.0
申请日：2024-10-09
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: 一种融合多编程语言的Julia函数库及其构建方法，属于计算机软件技术领域。包括采用模块化解耦的数据层业务逻辑层以及接口层。方法如下:设计Julia函数库的分层架构，自下至上依次为数据层、业务逻辑层和接口层；实现Julia函数库的数据层；实现Julia函数库的业务逻辑层；实现Julia函数的接口层。本发明提升了系统的灵活性和功能性，并为后续的科学计算任务提供了便捷支持；采用分层设计，明确了数据层、业务逻辑层和接口层之间的职责划分，使系统具有高度的可扩展性，能够轻松适应未来的功能扩展和技术升级。
-
Patent Agency Ranking
公开(公告)号：CN119046598B
公开(公告)日：2025-04-11
申请号：CN202411248876.8
申请日：2024-09-06
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了基于NPU的CoppersmithWinograd矩阵乘法加速方法，属于混合编程技术领域。解决了现有技术中不存在用于昇腾芯片的采用开源混合编程算子实现快速矩阵乘法方法的问题；本发明设计了Ascend_CoppersmithWinograd算子数据通路，对输入矩阵进行数据搬运并切分，得到分块矩阵；进行第一次矩阵间加减运算，得到矩阵乘法阶段的输入数据，对部分分块矩阵进行加零操作，得到转换后的矩阵；进行矩阵乘法运算，得到矩阵乘法结果；进行第二次矩阵间加减运算，得到子矩阵；对子矩阵进行数据搬运并合并，得到输出矩阵。本发明有效缩短了矩阵运算时间，提高了计算精度，可以应用于昇腾芯片混合编程。
-
公开(公告)号：CN118264668B
公开(公告)日：2024-12-24
申请号：CN202410529782.1
申请日：2024-04-29
Applicant: 哈尔滨工业大学
IPC: H04L67/10 , H04L67/104 , H04L67/12 , H04L41/142 , H04L41/14 , H04L41/147 , H04L41/16
Abstract: 一种增强工业物联网预测性维护的分散式边云协同算法，属于物联网领域。本发明将联合平均和联合近端算法结合到一个统一的框架中，用于跨边缘设备的分布式网络进行协作预测性维护模型训练。这一方法有助于克服IIoT环境下的挑战，提高故障预测的准确性，并优化实时监控和数据保护等关键方面。在与传统边云协同方法的比较分析中，联合平均近端在准确性方面始终表现出上级性能，特别是在涉及非IID数据的场景中。该模型对不同的IIoT环境表现出了显著的适应性，这一点可以从其在不同数据集中的鲁棒性得到证明。此外，本发明的自适应通信策略有效地降低了开销，提高了边云协同过程的整体效率，证实了本发明的方法在现实世界的IIoT场景中的实用性。
-
公开(公告)号：CN117556054B
公开(公告)日：2024-07-30
申请号：CN202311509167.6
申请日：2023-11-14
Applicant: 哈尔滨工业大学
IPC: G06F16/36 , G06N5/025 , G06F40/186 , G06F16/33 , G06F16/332
Abstract: 本发明公开了一种基于大型语言模型的知识图谱构建方法与管理系统，构建方法包括以下步骤：基于协作模式构建领域环境概念模型，基于所述领域环境概念模型生成提示词；基于大型语言模型对所述提示词进行知识抽取和知识扩展；基于知识抽取内容和知识扩展内容完成知识图谱的构建。本发明根据用户协作设计领域环境概念模型，用于指导最终知识图谱的生成；在知识图谱的构建过程中通过大型语言模型以一种0训练的方式挖掘用户给定内容中的知识，能够高效率的形成图谱，同时通过知识扩展和知识质检方法实现了知识图谱内容的丰富和完善。
-
公开(公告)号：CN118261874A
公开(公告)日：2024-06-28
申请号：CN202410359722.X
申请日：2024-03-27
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06T7/194 , G06T7/13
Abstract: 本发明公开了一种基于图像分割大模型和多元高阶回归拟合的鱼竿钓性分析方法，所述方法包括如下步骤：步骤一、图像裁切；步骤二、鱼竿预识别；步骤三、图像识别；步骤四、鱼竿曲线拟合。该方法能够将图像中的鱼竿自动识别出来并生成鱼竿图像在原图中的坐标从而衡量鱼竿的钓性，支持在光线昏暗下分割图像，并且在处理大尺寸图像时仍有较高的效率和分割效果。
-
公开(公告)号：CN117076768A
公开(公告)日：2023-11-17
申请号：CN202311012252.1
申请日：2023-08-11
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F16/901 , G06F16/906 , G06N5/022 , G06N3/0442
Abstract: 本发明公开了一种面向个人和群体的行为互联网建模与预测推荐方法，所述方法包括如下步骤：步骤1：建立基于超图的行为互联网行为偏好模型；步骤2：基于步骤1的模型抽取行为之间的关系；步骤3：基于步骤2的行为关系发现用户的行为模式；步骤4：基于步骤2的行为关系和步骤3的行为模式预测用户的行为趋势；步骤5：基于步骤2、步骤3、步骤4为用户进行个性化的服务推荐。本发明提出了行为互联网的模型，通过因果推断和关系发现得到个性化行为互联网，并利用基于外部知识的深度学习方法进行推荐，提高了对于个体和群体的推荐效率和效果，克服了传统的基于深度学习的推荐方法难以充分利用个性化知识的缺点，实现了服务的个性化高效推荐。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.048 seconds)
