-
公开(公告)号：CN116821238A
公开(公告)日：2023-09-29
申请号：CN202310770494.0
申请日：2023-06-28
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
Inventor： 潘海为 , 周鑫玥 , 张可佳 , 蔡成涛 , 王巍 , 王一 , 王小芳 , 陈征平 , 毕晓燕 , 刘泽超 , 申林山 , 宋洪涛 , 王兴梅 , 王也 , 杨东梅 , 张立国
IPC: G06F16/27 , H04L67/1097 , G06F16/22 , G06F16/23 , G06F11/14 , G06F30/27 , G06F30/28 , G06N20/00 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于机器学习的数值水池虚拟试验管理系统，包括，数据收集模块，用于获取数字虚拟水池试验中各种场景下的初始数据，随机生成模拟数据；模拟数据为实际水文环境中包括水流运动、水位变化、波浪的水动力学现象各种场景的待处理数据；中央存储模块，与数据收集模块连接，用于当接收到数据收集模块发送的存储任务后，对模拟数据进行处理并将处理后的模拟数据进行底层存储；自动化存储模块，与中央存储模块连接，用于根据预测分析结果自动调整存储资源配置，以及维护多个副本的数据一致性。本发明提高了系统对试验数据的存储容量以及试验的精度和效率，实现了对数值水池虚拟试验的自动化管理。
-
公开(公告)号：CN117033941A
公开(公告)日：2023-11-10
申请号：CN202311056107.3
申请日：2023-08-22
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： 王巍 , 韩子屹 , 蔡成涛 , 陆蓓婷 , 蒋文创 , 杨玉东 , 曲晓威 , 杨东梅 , 张海涛 , 王小芳 , 张万松 , 张越 , 庄园 , 苘大鹏 , 李伟 , 玄世昌 , 郭方方
Abstract: 本发明公开一种基于HMM和降噪自编码器的中文对抗样本恢复方法，涉及对抗文本处理技术领域，包括，获取对抗文本，对对抗文本进行符号清洗；基于隐马尔可夫模型将所述对抗文本中的拼音串转换为汉字序列，并将汉字序列拼接为汉字串；通过降噪自编码器对所述对抗文本中的汉字字符及汉字串进行噪声去除，得到候选词序列；通过置信度‑相似度解码器对所述候选词序列进行解码，得到修正文本；通过双向机器翻译对所述修正文本进行处理，生成恢复汉字文本。本发明能够实现中文对抗样本的高效恢复。
-
公开(公告)号：CN113591255A
公开(公告)日：2021-11-02
申请号：CN202110775222.0
申请日：2021-07-08
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学船舶装备科技有限公司
IPC: G06F30/18 , G06F30/27 , G06F111/10 , G06F119/14
Abstract: 本发明提出一种基于最短路径的船舶典型管网自主重构方法，数据采集；通过监测桩采集管网管路数据，为自主重构机制提供数据；提供监测数据，判断管网管路的运行状态；数据处理；将采集的数据进行格式转换和统一处理，在数据监控处显示；结合采集的数据与自主重构处理，实现管网正常运行；数据监测；通过监测视图完成数据监测，所述监测视图由管网示意图、数据显示区和操作区三部分组成；实现一站式综合监控显示，达到减员增效的目的。通过人工智能、遗传算法、辅助决策等手段，建立科学可靠的自主重构算法，为管理员处理重要且操作员难以到达处管网故障的指挥和控制提供技术支撑，提高管网运行效率和科学性，实现管网快速自主重构功能。
-
公开(公告)号：CN113591255B
公开(公告)日：2024-02-27
申请号：CN202110775222.0
申请日：2021-07-08
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学船舶装备科技有限公司
IPC: G06F30/18 , G06F30/27 , G06F111/10 , G06F119/14
Abstract: 本发明提出一种基于最短路径的船舶典型管网自主重构方法，数据采集；通过监测桩采集管网管路数据，为自主重构机制提供数据；提供监测数据，判断管网管路的运行状态；数据处理；将采集的数据进行格式转换和统一处理，在数据监控处显示；结合采集的数据与自主重构处理，实现管网正常运行；数据监测；通过监测视图完成数据监测，所述监测视图由管网示意图、数据显示区和操作区三部分组成；实现一站式综合监控显示，达到减员增效的目的。通过人工智能、遗传算法、辅助决策等手段，建立科学可靠的自主重构算法，为管理员处理重要且操作员难以到达处管网故障的指挥和控制提供技术支撑，提高管网运行效率和科学性，实现管网快速自主重构功能。
-
公开(公告)号：CN116501908B
公开(公告)日：2024-04-26
申请号：CN202310546775.8
申请日：2023-05-16
Applicant: 哈尔滨工程大学
IPC: G06F16/583 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/774 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于特征融合可学习图注意力网络的图像检索方法，具体包括以下步骤：获取原始图像数据和原始点云数据；基于所述原始图像数据和所述原始点云数据，获取图像特征向量和点云特征向量；构建基于特征融合可学习图注意力网络模型，利用所述图像特征向量和所述点云特征向量训练所述特征融合可学习图注意力网络模型；利用所述基于特征融合可学习图注意力网络模型进行图像检索，完成基于特征融合课学习图注意力网络的图像检索。本发明提出的基于特征融合可学习图注意力网络的图像检索方法，在识别精度、任务适应性和抗噪鲁棒性上有较好的表现，具有一定的有效性。
-
Patent Agency Ranking
公开(公告)号：CN116579918B
公开(公告)日：2023-12-26
申请号：CN202310567199.5
申请日：2023-05-19
Applicant: 哈尔滨工程大学
IPC: G06T3/00 , G06V10/52 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/77 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及基于风格无关判别器的注意力机制多尺度图像转换方法，包括：构建基线的多尺度图像转换模型，在基线的多尺度图像转换模型中引入注意力机制，构建基于注意力机制的多尺度图像转换模型；基于注意力机制的多尺度图像转换模型，结合风格无关判别器，构建基于风格无关判别器的注意力机制多尺度图像转换模型；获取水下图像，将水下图像输入基于风格无关判别器的注意力机制多尺度图像转换模型中，输出转换后的水下图像，完成水下图像的转换。本发明提出的基于风格无关判别器的注意力机制多尺度图像转换方法，能生成细节更丰富的水下图像，具有很好的转换效果。
-
公开(公告)号：CN117095296A
公开(公告)日：2023-11-21
申请号：CN202311149193.2
申请日：2023-09-07
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/20 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于复合卷积神经网络的船舶舱室浸水识别方法，属于船舶浸水识别技术领域。包括以下步骤：S1、获取船舶舱室浸水图片数据，并对所述图片数据进行预处理，得到图像数据集；S2、构建复合神经网络，并基于所述图像数据集对所述复合神经网络进行训练，基于训练后的所述复合神经网络对船舶舱室图像进行进水识别，得出识别结果。本发明使用复合卷积神经网络的方法进行船舶舱室浸水识别，可以提高识别精度，增加决策者应对突发浸水事件的能力，极大程度上节省人力、防止工作人员工作疏漏导致错过堵漏救援第一时间。
-
公开(公告)号：CN116738565A
公开(公告)日：2023-09-12
申请号：CN202310563359.9
申请日：2023-05-18
Applicant: 哈尔滨工程大学
IPC: G06F30/15 , G06F30/27 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F119/12
Abstract: 本发明涉及卷积‑循环复合神经网络的船舶单破口浸水时间预测方法，包括：获取船舶单破口的浸水数据集，对所述浸水数据集进行处理；构建复合神经网络，所述复合神经网络包括：轻量级残差网络ResNet18和长短期记忆模型LSTM；基于所述浸水数据集训练所述复合神经网络，通过训练后的所述复合神经网络，预测所述船舶单破口的浸水时间。本发明旨在提高浸水事故发生后指挥者对浸水区域的掌握程度，方便指挥人员进行抗沉决策及人员疏散。
-
公开(公告)号：CN115099264A
公开(公告)日：2022-09-23
申请号：CN202210580880.9
申请日：2022-05-26
Applicant: 哈尔滨工程大学
Abstract: 船舶零件故障诊断方法及装置、计算机和计算机储存介质，涉及深度学习领域。对于现有技术中存在的：虽然卷积神经网络具有较强的特征提取能力，但故障的损坏伴随时间也会产生变化的问题，本发明提供的技术方案为：船舶零件故障诊断方法，所述的方法包括：获得船舶设备运行状态过程中零件的振动加速度信号数据，将数据进行预处理，并针对不同故障标注故障类型，对完成标注的数据作为一维数据集，并划分为训练集和测试集；构建面向船舶零件的深度学习故障诊断模型的特征提取器；构建面向船舶零件的深度学习故障诊断模型的分类器；通过所述的特征提取器和分类器构建面向船舶零件的深度学习故障诊断模型。适用于诊断船舶零件故障。
-
公开(公告)号：CN114973061A
公开(公告)日：2022-08-30
申请号：CN202210434179.6
申请日：2022-04-24
Applicant: 哈尔滨工程大学
IPC: G06V20/40 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习方法的辅助抗沉决策模型生成方法及系统，属于抗沉辅助决策技术领域，其该方法包括：获取预设船舶的舱室区域标号数据和浸水实验数据包括总时间、每个舱室的灌满时间以及浸水视频；将每个舱室的浸水视频进行逐帧处理，得到多个图片以及每张图片对应的时间，并将多个图片以及每张图片对应的时间分成两个部分，第一部分将其顺序打乱，并划分为训练、测试集，第二部分以时间轴为顺序排列；将训练集输入卷积神经网络中进行训练，并将第二部分图片输入训练好的卷积神经网络中，得到向量化数据；将舱室区域标号和向量化数据输入循环神经网络中进行训练，得到辅助抗沉决策模型。该方法提高了抗沉辅助决策的速度以及合理程度。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.258 seconds)
