-
公开(公告)号：CN117354644A
公开(公告)日：2024-01-05
申请号：CN202311498139.9
申请日：2023-11-04
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 价值链技术(深圳)有限公司
Abstract: 本申请公开了一种基于区块链技术的数据智采方法及装置，方法包括：根据网络接口实现数据智采机器人的网络连接；对仪器数据进行读取并解析，存放入数据库中；根据解析数据与数据规约进行封装，生成报表或者文件；将报表或者文件进行数据传输到区块链中生成一个区块，完成数据的上链；通过端到端的通信方式建立传输通道，利用加密传输的方式在生成的区块中完成数据的交换；利用人机交互与交换后的数据查看实时采集和统计分析后的数据，实现数据智采。根据数据规约、业务规约、升级和初始化实现对数据智采机器人的维护。本申请支持不同的仪器的按需采集及采集的异构数据处理传输，实现数据智采，达到实时、准确、真实、可追溯的目的。
-
公开(公告)号：CN116562397A
公开(公告)日：2023-08-08
申请号：CN202310781342.0
申请日：2023-06-29
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 价值链技术(深圳)有限公司
Inventor： 玄世昌 , 汪浩 , 苘大鹏 , 王小芳 , 陆蓓婷 , 蔡成涛 , 王巍 , 蒋文创 , 齐亚超 , 程雪蕾 , 陈征平 , 毕晓燕 , 马静 , 王雪松 , 王宇华 , 潘海为 , 刘成刚 , 于金峰
IPC: G06N20/00
Abstract: 本发明公开了一种基于梯度的数据集完整度评估方法，包括以下步骤：在客户端设定基础数据集，使用所述基础数据集参与联邦训练，得到梯度信息；将所述梯度信息进行梯度反演得到客户端的数据信息；将所述数据信息打包成数据集放入基础模型测试其准确率，根据所述准确率判断数据集完整度。本方法能够利用客户端上传的梯度存在的信息反演出原本客户端真实数据集，然后将反演后的数据制作成测试集放入基础模型中测试其准确率，从而能够准确的判断出该客户端的数据集完整度。
-
Patent Agency Ranking
公开(公告)号：CN113376592B
公开(公告)日：2022-12-13
申请号：CN202110631507.7
申请日：2021-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于逆合成孔径雷达干扰技术领域，具体涉及一种基于联合学习的假目标信号生成方法。本发明通过构建XGBoost模型，利用回归的思想，通过大量数据来拟合出俯仰角、方位角与对应散射系数矩阵的映射关系，能够适应复杂的电磁环境，避免了传统方法获取的假目标散射系数矩阵适应性差的问题。本发明在所构建的深度强化学习模型中设置了奖惩机制，根据经修正矩阵修正后的预测值给予奖励，使XGBoost的输出预测值与实际值的差值尽量小，输出对应的最优修正矩阵，对输出预测值进行修正，提高了假目标散射系数矩阵的准确率，弥补了传统方法生成的假目标系数矩阵和实际目标散射系数矩阵有一定偏差的问题。
-
公开(公告)号：CN116628471A
公开(公告)日：2023-08-22
申请号：CN202310476478.0
申请日：2023-04-27
IPC: G06F18/213 , G01S13/88 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/08
Abstract: 本申请公开了一种基于自适应海鸟算法的雷达信号开集识别方法，属于信号识别技术领域，通过样本筛选算法筛选出可靠样本构建雷达信号样本库，基于雷达信号样本库构建自适应阈值，提高方法的识别率以及增强其普适性；同时设计自适应海鸟算法对自适应阈值权重寻优，构建探索方向因子，结合螺旋优化搜索与直线优化搜索，扩大搜索范围以及加强搜索能力，加入随迭代次数改变的自适应权重与自适应步长，平衡了全局搜索能力与局部搜索能力，提升了雷达信号开集识别方法的可靠性，进一步设计并训练LSTM网络，对特征进行提取并得到嵌入向量，增强了网络的泛化性和适应性，提升了雷达信号开集识别方法准确性和普适性，有效提高未知信号识别的准确率。
-
公开(公告)号：CN113406579B
公开(公告)日：2022-09-27
申请号：CN202110632548.8
申请日：2021-06-07
Applicant: 哈尔滨工程大学
IPC: G01S7/38
Abstract: 本发明属于电子干扰技术领域，具体涉及一种基于深度强化学习的伪装干扰波形生成方法。本发明通过构建深度强化学习探索模型，设计状态空间、动作空间、奖励函数，实现了基于深度强化学习的干扰波形生成，该模型中模拟了较为复杂的动态对抗过程，只需当前雷达状态就可以输出对应的干扰波形，在复杂或未知对抗场景下依然能够做出较为有效的干扰波形决策；通过构建伪装生成网络输出伪装信号，并与深度强化学习的生成的干扰信号叠加，得到带有伪装的干扰波形，使得已经训练完成的雷达智能识别网络误判，避免了干扰波形易被雷达方识别的问题，具有较好的干扰和伪装效果。
-
公开(公告)号：CN113376592A
公开(公告)日：2021-09-10
申请号：CN202110631507.7
申请日：2021-06-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于逆合成孔径雷达干扰技术领域，具体涉及一种基于联合学习的假目标信号生成方法。本发明通过构建XGBoost模型，利用回归的思想，通过大量数据来拟合出俯仰角、方位角与对应散射系数矩阵的映射关系，能够适应复杂的电磁环境，避免了传统方法获取的假目标散射系数矩阵适应性差的问题。本发明在所构建的深度强化学习模型中设置了奖惩机制，根据经修正矩阵修正后的预测值给予奖励，使XGBoost的输出预测值与实际值的差值尽量小，输出对应的最优修正矩阵，对输出预测值进行修正，提高了假目标散射系数矩阵的准确率，弥补了传统方法生成的假目标系数矩阵和实际目标散射系数矩阵有一定偏差的问题。
-
公开(公告)号：CN113406579A
公开(公告)日：2021-09-17
申请号：CN202110632548.8
申请日：2021-06-07
Applicant: 哈尔滨工程大学
IPC: G01S7/38
Abstract: 本发明属于电子干扰技术领域，具体涉及一种基于深度强化学习的伪装干扰波形生成方法。本发明通过构建深度强化学习探索模型，设计状态空间、动作空间、奖励函数，实现了基于深度强化学习的干扰波形生成，该模型中模拟了较为复杂的动态对抗过程，只需当前雷达状态就可以输出对应的干扰波形，在复杂或未知对抗场景下依然能够做出较为有效的干扰波形决策；通过构建伪装生成网络输出伪装信号，并与深度强化学习的生成的干扰信号叠加，得到带有伪装的干扰波形，使得已经训练完成的雷达智能识别网络误判，避免了干扰波形易被雷达方识别的问题，具有较好的干扰和伪装效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
