-
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：CN110129044A
公开(公告)日：2019-08-16
申请号：CN201910420722.5
申请日：2019-05-20
Applicant: 哈尔滨工业大学
IPC: C09K11/65 , B82Y20/00 , B82Y40/00 , H01M4/583 , H01M4/62 , H01M4/66 , H01M4/86 , H01M4/88 , H01M10/0525 , H01M10/054 , H01M12/06
Abstract: 一种以生物质为碳源的石墨烯量子点制备方法及其应用，本发明涉及一种以生物质为碳源的石墨烯量子点制备方法及其应用。本发明的目的是为了解决能源转换-存储体系普遍存在电荷传输受限、动力学缓慢等所导致的能量转换效率和储能密度较低的问题。本发明方法为：一、制备生物质前驱液；二、通过水热法或者微波法对生物质前驱液进行预处理；三、然后经过离心、过滤、透析操作制备石墨烯量子点；四、将石墨烯量子点负载到多孔支撑体上制得石墨烯量子点复合材料应用于能源转换-存储体系中。本发明制得石墨烯量子点有极高的催化活性，可以在极小载量下获得极高电池性能，有望取代价格昂贵且储量稀少的贵金属催化剂，本发明应用于能源转换-存储领域。
-
公开(公告)号：CN117953379A
公开(公告)日：2024-04-30
申请号：CN202410164245.1
申请日：2024-02-05
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/25 , G06N20/00 , G06V10/774 , G06V10/80
Abstract: 本发明公开了基于高光谱数据与机器学习的可信任种子鉴别方法及系统，本方法包括：收集农作物种子的原始高光谱图像，并进行预处理，农作物种子包括待预测种子和已知品种种子；对预处理后的所有农作物种子的原始高光谱图像进行特征提取，得到光谱特征数据，光谱特征数据包括整个种子区域的空间特征、平均光谱特征和方差光谱特征；对光谱特征数据进行预处理；基于预处理后的光谱特征数据，使用可信任k近邻分类方法对农作物种子进行品种分类，得到待预测种子的品种类别。本发明实现了一种自动、简单、高效和可信任的农作物种子品种鉴别方法，提高了光谱特征的判别性，提高了农作物种子品种的鉴别正确率，提高了每个种子分类结果的可信度。
-
公开(公告)号：CN115965953B
公开(公告)日：2023-08-22
申请号：CN202310009003.0
申请日：2023-01-04
Applicant: 哈尔滨工业大学
IPC: G06V20/60 , G06V10/143 , G06V10/10 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于高光谱成像与深度学习的粮种品种分类方法，本发明属于粮种品种分类领域，包括：获取粮种的多通道高光谱图像，对多通道高光谱图像预处理得到预处理高光谱图像数据集，基于预处理高光谱图像数据集获得第一特征图；其中，预处理高光谱图像数据集包括若干拼接图像；构建粮种品种分类网络模型，其中，粮种品种分类网络模型包括粮种品种分类模块；基于粮种品种分类模块指导训练粮种品种分类网络模型，得到优化粮种品种分类网络模型；将拼接图像输入到优化粮种品种分类网络模型，得到粮种品种分类结果。本发明利用高光谱成像和深度学习技术，提出了一种简单、高效、无损、经济、自动化的粮种品种分类方法。
-
Patent Agency Ranking
公开(公告)号：CN115965844B
公开(公告)日：2023-08-18
申请号：CN202310008956.5
申请日：2023-01-04
Applicant: 哈尔滨工业大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了基于视觉显著性先验知识的多聚焦图像融合方法,包括以下步骤：获取显著性目标检测任务的数据集和自然图像的数据集，并基于所述自然图像的数据集，获取带有伪标签的伪多焦距图像；构建基于等距域变换的空域注意力模块和通道域注意力模块，并结合双分支结构网络构建基于视觉显著性先验融合模型；将所述显著性目标检测任务的数据集作为所述基于视觉显著性先验融合模型的预训练任务的输入，获得基于视觉显著性先验融合模型的预训练权重；通过所述带有伪标签的伪多焦距图像继续对所述基于视觉显著性先验融合模型进行下游任务的训练，获得融合图像。本发明采用显著性目标检测减少了预训练任务目标域与多聚焦图像融合任务目标域之间的差异。
-
公开(公告)号：CN115965844A
公开(公告)日：2023-04-14
申请号：CN202310008956.5
申请日：2023-01-04
Applicant: 哈尔滨工业大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了基于视觉显著性先验知识的多聚焦图像融合方法,包括以下步骤：获取显著性目标检测任务的数据集和自然图像的数据集，并基于所述自然图像的数据集，获取带有伪标签的伪多焦距图像；构建基于等距域变换的空域注意力模块和通道域注意力模块，并结合双分支结构网络构建基于视觉显著性先验融合模型；将所述显著性目标检测任务的数据集作为所述基于视觉显著性先验融合模型的预训练任务的输入，获得基于视觉显著性先验融合模型的预训练权重；通过所述带有伪标签的伪多焦距图像继续对所述基于视觉显著性先验融合模型进行下游任务的训练，获得融合图像。本发明采用显著性目标检测减少了预训练任务目标域与多聚焦图像融合任务目标域之间的差异。
-
公开(公告)号：CN115677385A
公开(公告)日：2023-02-03
申请号：CN202211313814.1
申请日：2022-10-25
Applicant: 哈尔滨工业大学
Abstract: 一种陶瓷基复合材料表面耐温达1300℃的可磨耗复合涂层的制备方法，它涉及一种可磨耗复合涂层的制备方法。本发明的目的是要解决现有技术无法在陶瓷基复合材料表面制备能耐温达1300℃的可磨耗封严涂层的问题。方法：一、基材的预处理；二、制备粘结层；三、制备环境障碍层；四、制备可磨耗封严涂层；本发明制备了一种陶瓷基复合材料表面耐温达1300℃的可磨耗封严、抗氧化、耐腐蚀兼具的复合涂层，对我国高推重比飞行器热端部件热防护涂层的发展具有十分重要的意义。本发明可获得一种陶瓷基复合材料表面耐温达1300℃的可磨耗复合涂层。
-
公开(公告)号：CN118538312A
公开(公告)日：2024-08-23
申请号：CN202410655411.8
申请日：2024-05-24
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种由随机子结构特征增强的化合物异常检测方法及系统，包括：通过对节点的邻域进行采样，构造出了每个节点的子结构特征，这些特征能够显式地参与图神经网络的消息传递中，一方面使得方法不强制依赖于节点级特征，另一方面使得方法具备了捕获潜在的异常子结构的能力，进一步地，使方法在异常化合物检测问题上比现存方法拥有更优秀的准确率。
-
公开(公告)号：CN117094381B
公开(公告)日：2024-04-12
申请号：CN202311054007.7
申请日：2023-08-21
Applicant: 哈尔滨工业大学
IPC: G06N3/098 , G06N3/0895 , G06N3/045 , G06F18/214 , G06F18/241
Abstract: 一种兼顾高效通信和个性化的多模态联邦协同方法，所述方法首先在云端构建全局模型，全局模型采用了多模态模型，可以对多模态数据进行建模，并分别初始化全局模型的权重；将全局模型参数拷贝给边缘端，构建局部模型。局部模型为一个三玩家模型，分别是全局网络，切分网络和局部网络。在模型局部更新阶段，将切分网络划分为基础层和学习层，其中基础层的参数可以通过上传上行链路的形式传送给云端全局模型；基于误差压缩的梯度输出方法，计算边缘端模型参数梯度的积累量，并对参数梯度的积累量采用信号压缩，减少需要更新的量，达到提高通信效率的目的。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.034 seconds)
