-
公开(公告)号：CN118673967A
公开(公告)日：2024-09-20
申请号：CN202410815789.X
申请日：2024-06-24
Applicant: 哈尔滨工业大学
IPC: G06N3/0464 , G06N3/084 , G06N3/09 , G06F18/213
Abstract: 本发明提出了一种有限数据下基于脑启发的深度神经网络增强方法，属于深度学习技术领域，参照人类大脑内部的海马‑前额叶回路的异步工作机制，开发了一种通用的异步学习框架，首先将给定的深度神经网络模型划分为两个小规模的子模型，并使其分别承担原始网络的特征提取和预测功能；然后根据这些子模型进行模型重构，以获得给定深度神经网络的异步架构；最后利用设计的异步训练方法对重构后的模型进行训练，分别独立优化其特征提取器和预测器；本发明在不损害深度神经网络特征提取能力的情况下，克服现有技术中的参数过耦合和对大量训练数据高度依赖的问题。
-
公开(公告)号：CN117263171A
公开(公告)日：2023-12-22
申请号：CN202311206420.0
申请日：2023-09-18
Applicant: 哈尔滨工业大学
IPC: C01B32/184 , C01B32/194 , C01B32/949 , C22C1/05
Abstract: 本发明提供了一种掺钼石墨烯及其燃烧合成制备方法，属于石墨烯材料技术领域。本发明提供的掺钼石墨烯燃烧合成制备方法，包括以下步骤：(1)将钼源、碳源和镁系还原剂混合，得到混合物；(2)将所述步骤(1)得到的混合物在无氧气氛中加热点燃，进行燃烧合成反应，得到含掺钼石墨烯的粗产物；(3)将所述步骤(2)得到的含掺钼石墨烯的粗产物依次进行酸洗和水洗，得到掺钼石墨烯。实施例的结果显示，本发明可以控制掺钼石墨烯中钼元素的掺杂比例，掺钼石墨烯呈片状结构，结构完整，结晶性较好，层数为10层以下，钼元素以单质钼和碳化钼两种形式负载在石墨烯表面。
-
公开(公告)号：CN117228662A
公开(公告)日：2023-12-15
申请号：CN202311206342.4
申请日：2023-09-18
Applicant: 哈尔滨工业大学 , 信和新材料股份有限公司
IPC: C01B32/184 , C01B32/194 , C01B32/914 , B82Y30/00
Abstract: 本发明涉及石墨烯碳材料技术领域，尤其涉及一种铬掺杂石墨烯的制备方法。本发明提供了一种铬掺杂石墨烯的制备方法，包括以下步骤：将铬源、碳源和镁混合，得到混合物；在保护气氛中，将所述混合物进行燃烧合成反应，得到所述铬掺杂石墨烯。本发明以铬源为原料，通过燃烧合成法实现了铬掺杂石墨烯的低成本大批量制备，具有操作简单、铬掺杂量可调控、铬元素分布均匀，易于批量化、产品质量高的特点。
-
公开(公告)号：CN107347000B
公开(公告)日：2020-05-26
申请号：CN201710625304.0
申请日：2017-07-27
Applicant: 哈尔滨工业大学
IPC: H04L1/00
Abstract: 一种基于ARM的数字喷泉码的编译码实现方法，本发明涉及数字喷泉码的编译码实现方法。本发明的目的是为了解决现有数字喷泉码LRLTC算法存在重复选取，译码开销大，迭代次数多，计算复杂的问题。过程为：一、均匀随机生成两个正整数，根据鲁棒孤波分布公式得到sum(j)，在0‑1之间随机选取一个参数，使得sum(j)＜r＜sum(j+1)，则d＝j；二、如果X和d满足1＜X＜K‑1且d≥3，则d重复选取出现的周期长度为T；如果度值d≤T，表示d不会出现重复选取现象；三、将参与编码的每一个原始数据包编号；四、根据d选取已编号的原始数据包进行编码；五、将已编码原始数据包传输至译码模块进行译码，实现编译码。本发明用于信道编码领域。
-
公开(公告)号：CN110827919A
公开(公告)日：2020-02-21
申请号：CN201911071223.6
申请日：2019-11-05
Applicant: 哈尔滨工业大学
IPC: G16B25/10
Abstract: 本发明提出了一种应用于基因表达谱数据的降维方法，属于计算机应用领域。步骤一：利用回归系数对样本数据矩阵进行“剪枝”，对“剪枝”后的矩阵进行主成分分析，得到主成分Uθ；步骤二：利用回归系数对样本数据矩阵进行“缩放”，对“缩放”后的矩阵进行主成分分析，得到主成分U'；步骤三：使用权值α对主成分Uθ和U'进行融合，得到新的主成分X'θ；步骤四：使用主成分X'θ建立分类回归模型，验证降维的效果。本发明解决了现有降维算法在不同特征数量下分类性能不稳定，建立在其上的分类器预测性能比较低的问题，分类效果不理想的问题。
-
Patent Agency Ranking
公开(公告)号：CN110467521A
公开(公告)日：2019-11-19
申请号：CN201910780051.3
申请日：2019-08-22
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种以工业大麻为原料的大麻二酚（CBD）的分离纯化方法。所述大麻二酚的分离纯化方法包括：以工业大麻植株上端1/3以上叶片为原料，隧道式超声波与加热联用萃取获得提取液，在双效升膜浓缩罐中浓缩，在搅拌罐中沉降去除上清液，沉淀液过大孔树脂LSA—12一级层析，浓缩后过对称球形硅胶二级层析，浓缩后经过制备型高效液相，洗脱液浓缩、结晶后，可获得纯度为90～99.9%的CBD。与现有技术相比，本发明制备的CBD纯度高，产率高，且工艺简单，成本低，易于产业化。
-
公开(公告)号：CN109949281A
公开(公告)日：2019-06-28
申请号：CN201910179458.0
申请日：2019-03-11
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明实施例提供一种胃镜图像质量检测方法及装置，包括：获取待检测的目标胃镜图像；基于训练好的胃镜图像质量检测模型，对所述目标胃镜图像进行检测，获取到所述目标胃镜图像的质量检测结果；所述训练好的胃镜图像质量检测模型是由标注有图像质量类型的样本胃镜图像训练得到的。本发明实施例提供的一种胃镜图像质量检测方法及装置，通过对胃镜图像的质量类别进行标准化检测，能够提高胃镜图像质量，从而提高了胃镜图像的准确性，获取更有效的胃镜检测信息，提高了胃镜图像的获取效率。
-
公开(公告)号：CN107437099A
公开(公告)日：2017-12-05
申请号：CN201710656892.4
申请日：2017-08-03
Applicant: 哈尔滨工业大学
Abstract: 一种基于机器学习的特定服饰图像识别与检测方法，本发明涉及图像识别与检测方法。本发明的目的是为了解决现有针对特定种类服饰图像的检索时，由于数量巨大，通过人工检测的方式无法实现的问题。过程为：一、对图像内容进行识别，得到识别后的图像内容：构建图像分类数据库，对图像分类数据库中图像采用自助采样法进行处理，得到处理后图像；得到优化后的卷积神经网络；得到合适拟合卷积神经网络；模型集成：得到N个个体学习器，采用简单投票方式将N个个体学习器结合；二、采用Faster R-CNN方法对步骤一得到的识别后的图像内容进行检测。本发明用于服饰图像识别与检测领域。
-
公开(公告)号：CN107144783A
公开(公告)日：2017-09-08
申请号：CN201710325752.9
申请日：2017-05-10
Applicant: 哈尔滨工业大学
IPC: G01R31/3185
Abstract: 支持单位和多位故障注入的SRAM型FPGA评估方法，本发明涉及故障注入的SRAM型FPGA评估方法。本发明的目的是为了解决现有技术无法同时采用单位故障和多位故障累积对SRAM型FPGA故障注入平台进行评估，无法准确得出SEU的累积对SRAM型FPGA敏感性的影响的问题。过程为：一、注入一位故障；二、检验待测电路输出状态；三、进入修复故障流程；四、得到单位故障模式软错误率；五、注入一位故障；六、检验待测电路输出状态，若没有错误发生回到五，若有错误发生进入七；七、进入修复故障流程；八、得到多位故障累积模式软错误率；九、得出SEU的累积对SRAM型FPGA敏感性的影响。本发明用于集成电路设计领域。
-
公开(公告)号：CN103198251A
公开(公告)日：2013-07-10
申请号：CN201310103424.6
申请日：2013-03-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提出了一种基于神经网络的硬件木马芯片识别方法，解决了现有识别方法中需人工观察，效率低的问题，实现了硬件木马芯片识别的智能化。该方法包含以下步骤：首先获取所有待检测芯片的侧信道信息并对其进行数据预处理；选取部分待检测芯片进行反剖分析，确定反剖芯片是否含有硬件木马；利用不含硬件木马的反剖芯片经预处理之后的侧信道信息建立芯片特征空间；将所有待检测芯片经预处理后的侧信道信息矩阵投影到该特征空间，得到侧信道信息特征数据矩阵；利用反剖芯片的侧信道信息特征数据及相应的目标输出值建立并训练神经网络；将测试芯片的侧信道信息特征数据送入到已训练完成的神经网络进行判别输出，实现对硬件木马芯片的识别。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.046 seconds)
