公开(公告)号：CN113610121B

公开(公告)日：2023-09-29

申请号：CN202110829209.9

申请日：2021-07-22

Applicant: 哈尔滨工程大学

Inventor： 王宇超 ,  彭超 ,  邹德鑫 ,  傅荟璇 ,  王成龙 ,  王辉 ,  周斌

IPC: G06F18/2415 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种跨域任务深度学习识别方法，从多个训练环境中估计非线性，不变因果预测因子，使模型只根据主体的特征预测，步骤一、生成生成主体特征与背景特征无关的数据集；步骤二、搭建门控参数增强网络模型；步骤三、计算损失函数；步骤四、训练并且保存参数；步骤五、将待识别样本输入步骤四训练后的分类器并输出识别结果。对比于现有的其它方法(如CLP,ALP,PGD,VIB),本发明提出的CDI方法能够很好地抑制背景对于主体识别的影响，准确率和稳定性远高于其它现有方法。

公开(公告)号：CN112948969A

公开(公告)日：2021-06-11

申请号：CN202110226036.1

申请日：2021-03-01

Applicant: 哈尔滨工程大学

Inventor： 王宇超 ,  王辉 ,  傅荟璇 ,  王成龙 ,  付明玉 ,  邹德鑫 ,  王秋苏 ,  张明月 ,  顾志强

IPC: G06F30/15 ,  G06F30/27 ,  G06F119/14

Abstract: 本发明一种基于LSTMC混合网络的船舶横摇预测方法，使用Pandas读取数据集数据并进行数据的预处理，将大地风速、船舶姿态角及其角速度数据传入网络进行训练；搭建LSTMC混合网络；训练LSTMC混合网络；用Keras高层接口Keras.Model.fit()方法进行模型的训练，设置保存评价指标MSE、MAPE最优的一次模型参数；把新的船舶姿态数据传入到训练好的混合网络中去，得到预测的船舶姿态数据。本发明能够快速准确地完成对船舶横摇的预测，相比其他单一的神经网络模型，不仅能够提取时间特征，而且能够提取空间特征，提高预测精度。

公开(公告)号：CN112948969B

公开(公告)日：2022-07-15

申请号：CN202110226036.1

申请日：2021-03-01

Applicant: 哈尔滨工程大学

Inventor： 王宇超 ,  王辉 ,  傅荟璇 ,  王成龙 ,  付明玉 ,  邹德鑫 ,  王秋苏 ,  张明月 ,  顾志强

IPC: G06F30/15 ,  G06F30/27 ,  G06F119/14

Abstract: 本发明一种基于LSTMC混合网络的船舶横摇预测方法，使用Pandas读取数据集数据并进行数据的预处理，将大地风速、船舶姿态角及其角速度数据传入网络进行训练；搭建LSTMC混合网络；训练LSTMC混合网络；用Keras高层接口Keras.Model.fit()方法进行模型的训练，设置保存评价指标MSE、MAPE最优的一次模型参数；把新的船舶姿态数据传入到训练好的混合网络中去，得到预测的船舶姿态数据。本发明能够快速准确地完成对船舶横摇的预测，相比其他单一的神经网络模型，不仅能够提取时间特征，而且能够提取空间特征，提高预测精度。

公开(公告)号：CN113610121A

公开(公告)日：2021-11-05

申请号：CN202110829209.9

申请日：2021-07-22

Applicant: 哈尔滨工程大学

Inventor： 王宇超 ,  邹德鑫 ,  傅荟璇 ,  王成龙 ,  王辉 ,  周斌

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种跨域任务深度学习识别方法，从多个训练环境中估计非线性，不变因果预测因子，使模型只根据主体的特征预测，步骤一、生成生成主体特征与背景特征无关的数据集；步骤二、搭建门控参数增强网络模型；步骤三、计算损失函数；步骤四、训练并且保存参数；步骤五、将待识别样本输入步骤四训练后的分类器并输出识别结果。对比于现有的其它方法(如CLP,ALP,PGD,VIB),本发明提出的CDI方法能够很好地抑制背景对于主体识别的影响，准确率和稳定性远高于其它现有方法。