-
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：CN119538772A
公开(公告)日：2025-02-28
申请号：CN202411558359.0
申请日：2024-11-04
Applicant: 哈尔滨工程大学
IPC: G06F30/28 , G06F30/27 , G06F30/15 , G06N3/045 , G06N3/084 , G06F119/14 , G06F113/08
Abstract: 基于自适应物理神经网络的舱室浸水流场预测方法和装置，涉及神经网络在复杂流场预测领域。解决了现有技术中舱室浸水流场具有高度的非线性和动态变化，自由液面水动力现象复杂且难以预测的问题。所述方法包括：构建低速流场的船舶模型；将将船舶舱室模型导入STAR‑CCM+软件进行流体仿真，并生成流场的网格数据；对所生成的流场的网格数据按时间步进行处理；将处理后的网格数据通过Pytorch框架进行处理与保存，构建用于神经网络训练的数据集；使用Pytorch框架对神经网络训练的数据集进行动态训练；上述步骤用于舱室浸水流场预测，完成基于自适应物理神经网络的舱室浸水流场预测。适用于舱室浸水流场的自适应领域。
-
公开(公告)号：CN110910377B
公开(公告)日：2023-01-03
申请号：CN201911190631.3
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明属于医学图像识别技术领域，具体涉及应用在临床实践上的一种基于神经网络的脑梗死MRI图像识别方法。本发明包括以下步骤：采集明确具有脑梗死疾病的脑部MRI图像；数据预处理，对标注好的原始图像进行缩放和裁剪处理；构建神经网络，卷积神经网络总深度为11层,卷积核大小为3*3,第2、4、7层步长为2,其余层步长为1；训练神经网络；测试模型；诊断测试；输出模型和整理结果。本发明的优点在于：使用卷积神经网络进行头部MRI图像识别,相比于传统方法,准确率更高,诊断过程更加智能化，且可以应用于除头部MRI识别外的其他应用场景。本发明使用全卷积网络作为基础网络结构,保留局部信息,使得学习到的特征更易被可视化和理解。
-
公开(公告)号：CN116501908A
公开(公告)日：2023-07-28
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。
-
公开(公告)号：CN110910377A
公开(公告)日：2020-03-24
申请号：CN201911190631.3
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明属于医学图像识别技术领域，具体涉及应用在临床实践上的一种基于神经网络的脑梗死MRI图像识别方法。本发明包括以下步骤：采集明确具有脑梗死疾病的脑部MRI图像；数据预处理，对标注好的原始图像进行缩放和裁剪处理；构建神经网络，卷积神经网络总深度为11层,卷积核大小为3*3,第2、4、7层步长为2,其余层步长为1；训练神经网络；测试模型；诊断测试；输出模型和整理结果。本发明的优点在于：使用卷积神经网络进行头部MRI图像识别,相比于传统方法,准确率更高,诊断过程更加智能化，且可以应用于除头部MRI识别外的其他应用场景。本发明使用全卷积网络作为基础网络结构,保留局部信息,使得学习到的特征更易被可视化和理解。
-
Patent Agency Ranking
公开(公告)号：CN104168325B
公开(公告)日：2017-12-19
申请号：CN201410424419.X
申请日：2014-08-26
Applicant: 哈尔滨工程大学
IPC: H04L29/08
Abstract: 本发明属于计算机应用领域，具体涉及一种具备自维护功能的分布式Web服务选择方法。本发明包括：用户向代理服务器broker发送服务请求，broker根据用户定义的各QoS属性权重W，按照QoSi*Wi计算出用户请求的总体属性值UEQ；将队列Qi中的服务分批次上传至broker，每次传送k个服务；broker将从各节点接收到的服务进行合并，并将每个服务与用户请求进行语义匹配，并将满足用户要求的相似度的服务进行反馈；分布式服务选择过程结束。本发明保证用户率先得到那些最满足用户要求，且符合相似度标准的服务。提高了服务选择的整体效率与实时性；健壮性和灵活自适应性。
-
公开(公告)号：CN105184428A
公开(公告)日：2015-12-23
申请号：CN201510727233.6
申请日：2015-10-30
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机应用领域，具体涉及一种解决了冰壶比赛对阵组合自动设计方法中难于找到最优解问题的基于多层遗传算法的冰壶比赛对阵组合设计方法。本发明包括：编码；初始种群生成；根据适应度函数计算种群内每个个体的适应度函数值。与此前的解决冰壶比赛方案自动设计的方法相比，本发明一定能找到问题的最优解，满足冰壶比赛复杂且相互关联的诸多约束条件，解决了此前方法中无法找到最优解或找到最优解效率低的问题。该方法实现简单，能够根据冰壶比赛的不同情况快速设计出满足其苛刻约束条件的对阵组合。执行效率能够满足现实要求。
-
公开(公告)号：CN104168330A
公开(公告)日：2014-11-26
申请号：CN201410431728.X
申请日：2014-08-28
Applicant: 哈尔滨工程大学
IPC: H04L29/08
Abstract: 本发明属于分布式的Web服务组合领域，具体涉及一种基于关系图的解决Web服务组合异常问题的最优补偿方法。本发明包括：选取QoS指标作为衡量Web服务消耗代价大小的标准；使用遗传算法搜索具有相反功能的Web服务或组合；选取遗传算法的初始集群，使用选择、交叉、变异操作，最终获得代价最小的Web服务或者组合；将使用遗传算法获取的最优的Web服务或组合；分析业务流程中各个Web服务之间的逻辑控制关系用关系图表述出来；根据关系图；对于需要补偿的Web服务，直接调用与其绑定的补偿服务。本发明可以在消耗代价最小的情况下，处理异常，使业务流程恢复到一致状态，保证其一致性。
-
公开(公告)号：CN118278109A
公开(公告)日：2024-07-02
申请号：CN202410463698.4
申请日：2024-04-17
Applicant: 哈尔滨工程大学
IPC: G06F30/15 , G06F9/455 , G06F9/54 , G06F111/02
Abstract: 本发明提供了构造船舶工业软件架构的方法、装置、设备及存储介质，属于软件技术领域，包括：初始化一体化架构数据总线、流程调度引擎、组件容器、功能构件库服务、命名服务、日志服务作为基础公共服务；根据对船舶全生命周期以及主干设计中的业务流程划分功能模块，根据功能模块封装对应的功能类型服务与功能类型构件，并根据所述功能类型构件定义标准化接口，根据标准化接口定义对应的功能构件；定义统一产品模型和数据源，为船舶设计中的3D模型和数据配置全局数据缓冲池；根据所述基础公共服务、功能类型构件及全局数据缓冲池构造船舶工业软件架构。该方法能够构建船舶工业软件架构。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.068 seconds)
