-
公开(公告)号：CN112464673B
公开(公告)日：2023-05-26
申请号：CN202011431776.0
申请日：2020-12-09
Applicant: 哈尔滨工程大学
IPC: G06F40/30 , G06F40/216
Abstract: 融合义原信息的语言含义理解方法，属于语言信息处理技术领域。为了解决现有的语言建模方法存在复杂度较高的问题和不能兼顾效果的问题。本发明所述方法首先将语言以每个单词为单位，按照两条路径进行处理；左路径：单词编码器+RNN+单词解码器，左路径输出记为wl；右路径：义原编码器+RNN+义原解码器+词语解码器+sigmoid，右路径输出记为wr；然后将两个路径的输出进行融合。主要用于语言含义理解。
-
公开(公告)号：CN115861660A
公开(公告)日：2023-03-28
申请号：CN202211689077.5
申请日：2022-12-27
Applicant: 哈尔滨工程大学
IPC: G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 一种基于混合度量的特征分布度量方法，为解决在图像分类时深度迁移学习方法的迁移学习模型无法对目标域数据准确标注的问题。将图片分为源域和目标域；利用源域中的图片对迁移学习模型进行训练，得到模型；计算分类损失；计算域间特征边缘分布差异的一、二、三阶统计量距离，再加权组合得到域间特征边缘分布的混合度量；获取目标域软标签，利用软标签计算目标域特征的初始软质心，再使用余弦相似度得目标域特征的伪标签；计算域间特征的条件分布差异的一、二、三阶统计量距离，再加权组合得到域间特征条件分布的混合度量；将二者混合度量相加得域间特征统计量距离；计算迁移学习模型总体损失函数，更新模型；预测测试样本，得到种类预测概率。
-
公开(公告)号：CN113298184A
公开(公告)日：2021-08-24
申请号：CN202110687034.2
申请日：2021-06-21
Applicant: 哈尔滨工程大学
Abstract: 用于小样本图像识别的样本抽取、扩充方法及存储介质，属于图像处理技术领域。为了解决针对于小样本图像识别过程中采用生成新样本的方式中存在的可能导致的生成错误样本的问题。本发明首先提出了一种基于特征重构的样本抽取方法来解决小样本数据集特征缺失的问题，从数据特征的角度实现了大样本数据集中抽取出一个典型小样本数据集。该方法将大样本数据的质心作为抽取度量的标准，使得抽取出的典型小样本数据集具有更全面的特征，效果更稳定。本发明还提出了基于变形信息的样本扩充方法，利用最优划分中同类异簇的数据间变形信息实现了将抽取出的典型小样本数据集扩充成新的大样本数据集。主要用于小样本图像识别的样本抽取及扩充。
-
公开(公告)号：CN111476321A
公开(公告)日：2020-07-31
申请号：CN202010420676.1
申请日：2020-05-18
Applicant: 哈尔滨工程大学
Abstract: 基于特征加权贝叶斯优化算法的空中飞行物识别方法涉及一种空中飞行物识别方法。本发明是为了解决现有的空中飞行物的识别方法存在的准确率较低的问题。本发明通过对空中飞行物的特征数据分布情况进行分析，将特征重叠部分的分布情况中分布跨度和分布密度作为特征的权值计算依据，将其作为朴素贝叶斯识别模型的输入特征的权重，进而基于特征加权贝叶斯优化算法的结果实现空中飞行物的识别。主要用途飞行物的识别。
-
公开(公告)号：CN111008674A
公开(公告)日：2020-04-14
申请号：CN201911351335.7
申请日：2019-12-24
Applicant: 哈尔滨工程大学
Abstract: 一种基于快速循环单元的水下目标探测方法，涉及水下声纹特征提取技术领域，针对现有技术中的水下目标探测技术存在探测精度低的问题，本发明在对水声信号样本分帧后的片段完成特征提取和特征选择后，将这些特征按时间顺序排列，从而得到由特征组成的时序数据，并利用循环神经网络对时序数据进行处理，以此提高了水下目标探测的准确率并减少了误报率。
-
Patent Agency Ranking
公开(公告)号：CN111553389B
公开(公告)日：2023-06-13
申请号：CN202010271181.7
申请日：2020-04-08
Applicant: 哈尔滨工程大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N5/01
Abstract: 一种用于理解深度学习模型决策机制的决策树生成方法，它属于深度学习模型的决策机制理解技术领域。本发明解决了在现有基于决策树的深度学习模型决策机制理解方法中需要对深度学习模型进行特殊处理，产生的理解效果有限，且现有方法复杂，对模型决策机制的理解造成影响的问题。本发明利用训练好的深度学习模型，通过使用局部解释的方法来得到输入变量的贡献值，从而最终构建出贡献分布矩阵。将贡献分布矩阵作为输入，利用平均贡献值差异作为划分标准，递归地分区生成模型的决策树，再对生成的决策树进行剪枝、验证最终得到最优解释树。本发明可以应用于深度学习模型的决策机制理解。
-
公开(公告)号：CN111001161B
公开(公告)日：2023-04-07
申请号：CN201911351336.1
申请日：2019-12-24
Applicant: 哈尔滨工程大学
Abstract: 一种基于二阶反向传播优先级的游戏策略获得方法，它属于智能化决策获取技术领域。本发明解决了在游戏策略的指挥决策过程中存在的数据利用率低以及策略质量低的问题。本发明方法结合了DPSCRM方法和BPTM方法，通过样本序列的累计奖赏值构建第一级奖赏值，可以获得高质量的策略；基于TD‑error构建优先级可以反向衰减传播的第二级优先级，可以提升数据利用率。本发明可以应用于游戏策略的获取。
-
公开(公告)号：CN111553389A
公开(公告)日：2020-08-18
申请号：CN202010271181.7
申请日：2020-04-08
Applicant: 哈尔滨工程大学
Abstract: 一种用于理解深度学习模型决策机制的决策树生成方法，它属于深度学习模型的决策机制理解技术领域。本发明解决了在现有基于决策树的深度学习模型决策机制理解方法中需要对深度学习模型进行特殊处理，产生的理解效果有限，且现有方法复杂，对模型决策机制的理解造成影响的问题。本发明利用训练好的深度学习模型，通过使用局部解释的方法来得到输入变量的贡献值，从而最终构建出贡献分布矩阵。将贡献分布矩阵作为输入，利用平均贡献值差异作为划分标准，递归地分区生成模型的决策树，再对生成的决策树进行剪枝、验证最终得到最优解释树。本发明可以应用于深度学习模型的决策机制理解。
-
公开(公告)号：CN111460147B
公开(公告)日：2023-06-23
申请号：CN202010214338.2
申请日：2020-03-24
Applicant: 哈尔滨工程大学
IPC: G06F16/35 , G06F16/33 , G06F40/216 , G06F40/126
Abstract: 一种基于语义增强的标题短文本分类方法，它属于文本分类技术领域。本发明解决了现有方法对情报数据挖掘中的标题短文本分类的精确度低的问题。本发明对采集的标题短文本以及标题短文本对应的文章内容进行预处理后，将预处理后的文章内容作为样本数据的扩充语料，另外还通过特征检索的方式获得了标题短文本的扩充语料，并且利用验证集对模型参数寻优时获得的优质数据集对训练集进行更新，即本发明对标题短文本进行了CSE编码语义增强和ASE自主语义增强，通过语义增强技术对标题短文本进行分类，可以有效提高FastText分类器在短文本分类上的精确度，分类精度将有近30％的大幅度提升。本发明可以应用于短文本分类。
-
公开(公告)号：CN110378489B
公开(公告)日：2022-10-25
申请号：CN201910695772.4
申请日：2019-07-30
Applicant: 哈尔滨工程大学
IPC: G06N20/00 , G06F40/289 , G06F40/30
Abstract: 基于实体超平面投影的知识表示学习模型，本发明涉及知识表示学习模型。本发明的目的是为了解决现有现有的知识表示学习模型大部分都只关注知识图谱的结构化信息，仅仅利用知识三元组来学习实体以及关系的表示，却忽略了实体的文本描述中可能蕴含的一些有用信息，导致处理任务时准确率低的问题。过程为：步骤一、将实体的描述文本处理成矩阵形式；步骤二、将步骤一得到的矩阵形式的文本输入到卷积神经网络中，得到实体描述文本的特征向量；步骤三、利用步骤二得到的特征向量建立EHP模型，得到实体以及关系的最终向量表示。本发明用于自然语言处理领域。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.019 seconds)
