公开(公告)号：CN116976366A

公开(公告)日：2023-10-31

申请号：CN202310982860.9

申请日：2023-08-06

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  徐欣瑶 ,  魏海月 ,  张秀霞 ,  周信澎

IPC: G06F40/58 ,  G06F40/211 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种融合句法感知的双向解码神经机器翻译方法，包括：采用WMT17中的中英语言对翻译数据集，并将其划分为训练集、验证集和测试集，删除句子长度大于50的句子，对数据进行预处理；将位置编码和词向量相加后得到输入序列，并在翻译模型中引入句法知识得到包含句法信息的遮掩矩阵；在传统Transformer翻译模型的解码器中加入反向解码器，采用双向解码策略；建立翻译模型，利用融合句法信息的序列对翻译模型进行训练，优化Teacher Forcing机制来平衡Teacher Forcing训练阶段和自回归测试阶段解码环境的差异，得到神经机器翻译模型；整优化改进的神经机器翻译方法的参数，得到翻译结果准确率最高的模型，然后将测试集数据输入到最优模型中；使用BLEU值作为翻译模型的评判标准。该方法解决了现有模型无法充分利用上下文信息的问题，并且极大改善了中英神经机器翻译的翻译准确率。

公开(公告)号：CN116383384A

公开(公告)日：2023-07-04

申请号：CN202310320040.3

申请日：2023-03-29

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  安锐 ,  艾思雨 ,  崔欣莹

IPC: G06F16/35 ,  G06F40/279 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于自然语言处理技术领域，且公开了一种基于双向长短时记忆网络融合注意力机制的文本分类方法，包括如下步骤：步骤1：数据输入阶段；步骤2：预处理阶段；步骤3：Bi‑LSTM层阶段；步骤4：卷积层阶段；步骤5：注意力机制阶段；步骤6：分类输出阶段；步骤7：模型验证测试阶段。本发明解决了当前文本分类方法无法更好的提取文本局部特征合适的权重从而影响分类准确率的问题，可以充分的提取数据中的文本信息，并弥补了循环神经网络无法并行处理数据的问题。

公开(公告)号：CN114722843A

公开(公告)日：2022-07-08

申请号：CN202111592088.7

申请日：2021-12-23

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  郑鑫 ,  王青 ,  马玉群

IPC: G06F40/58 ,  G06F40/242 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于Transformer模型优化的神经机器翻译方法，建立翻译模型，获得WMT17中的News Commentary v12中的中英数据集，并对数据进行归一化处理；在翻译模型中引入句子结构信息，获取词向量，得到新的输入序列；利用融合位置信息和句法信息的序列对翻译模型进行训练，采用adam优化器进行优化迭代得到神经机器翻译模型；将测试集输入步骤S3优化的神经机器翻译模型，得到翻译结果；对翻译结果进行评价，结束翻译；使用BLEU值作为翻译模型的评判标准。该方法能够改善中英神经机器翻译的翻译准确率，提高翻译性能。

公开(公告)号：CN113380417A

公开(公告)日：2021-09-10

申请号：CN202110672535.3

申请日：2021-06-17

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  杜梅 ,  张颖宇 ,  杨畅

IPC: G16H50/70 ,  G16H50/50

Abstract: 本发明公开了一种基于LR‑N的心血管疾病预测方法，包括：采集多个心血管疾病患者的医疗信息，对医疗信息进行归一化处理，得到训练样本和测试样本；对训练样本进行筛选，得到样本特征向量；建立逻辑回归模型，利用样本特征向量对逻辑回归模型进行训练，得到逻辑回归心血管疾病预测模型；采用Nadam算法对逻辑回归疾病预测模型的损失函数进行迭代优化，直至当前分类结果与实际分类结果的误差小于预设值或达到预设迭代次数，得到LR‑N心血管疾病预测模型；将测试样本输入LR‑N心血管疾病预测模型，得到预测结果。该方法能够改善心血管疾病预测效果，且收敛时间快，对心血管疾病的预测和治疗具有非常重要的意义。

公开(公告)号：CN113379130A

公开(公告)日：2021-09-10

申请号：CN202110673534.0

申请日：2021-06-17

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  张颖宇 ,  杨畅 ,  杜梅

IPC: G06Q10/04 ,  G06N20/10 ,  G06N3/00

Abstract: 本发明公开了一种雾霾天气预测方法，包括：采集历史雾霾数据，得到样本集和测试集，并进行集成特征选择，得到集成特征集；改进支持向量机的核函数应用到支持向量机中，得到多核支持向量机；将模糊支持向量机和最小二乘支持向量机相结合引入至多核支持向量机中，以构建模糊多核最小二乘支持向量机；利用集成特征集对模糊多核最小二乘支持向量机进行训练，得到模糊多核最小二乘支持向量机预测模型；改进萤火虫算法对模糊多核最小二乘支持向量机进行参数优化，得到最优模糊多核最小二乘支持向量机预测模型；将测试集输入预测模型中得到预测结果。该方法避免了核函数对支持向量机性能的影响，提高了支持向量机的分类准确率、预测精度和鲁棒性。

公开(公告)号：CN114722843B

公开(公告)日：2025-04-22

申请号：CN202111592088.7

申请日：2021-12-23

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  郑鑫 ,  王青 ,  马玉群

IPC: G06F40/58 ,  G06F40/242 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提出了一种基于Transformer模型优化的神经机器翻译方法，建立翻译模型，获得WMT17中的News Commentary v12中的中英数据集，并对数据进行归一化处理；在翻译模型中引入句子结构信息，获取词向量，得到新的输入序列；利用融合位置信息和句法信息的序列对翻译模型进行训练，采用adam优化器进行优化迭代得到神经机器翻译模型；将测试集输入步骤S3优化的神经机器翻译模型，得到翻译结果；对翻译结果进行评价，结束翻译；使用BLEU值作为翻译模型的评判标准。该方法能够改善中英神经机器翻译的翻译准确率，提高翻译性能。

公开(公告)号：CN119180982A

公开(公告)日：2024-12-24

申请号：CN202411206222.9

申请日：2024-08-29

Applicant: 哈尔滨理工大学

Inventor： 魏海月 ,  陈海龙

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06T7/00

Abstract: 本发明属于计算机视觉领域，且公开了一种基于SE‑ResNet和LSTM融合的肺结节分类方法，包括如下步骤：步骤1：数据输入阶段；步骤2：数据预处理阶段；步骤3：SE‑ResNet特征提取阶段；步骤4：ResNet‑Inception优化阶段；步骤5：LSTM层提升网络阶段；步骤6：分类输出阶段；步骤7：模型验证测试阶段。本发明提高了对肺结节良性和恶性的分类准确度，降低了错误诊断的频率。

公开(公告)号：CN114428853B

公开(公告)日：2024-09-13

申请号：CN202111535167.4

申请日：2021-12-15

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  马玉群 ,  郑鑫 ,  王青

IPC: G06F16/35 ,  G06F40/289 ,  G06N3/0464 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的文本分类方法及系统，属于自然语言处理技术领域，其中，该方法包括：从互联网获取文本数据集，并划分为训练集和测试集；利用ALBERT技术将训练集转换为词向量；利用改进的深度学习算法对词向量进行特征提取，得到最优特征向量；利用Cross Entropy Loss函数改进Softmax算法的分类函数，以建立文本分类模型，利用数据集文本分类模型进行训练，得到文本分类预测模型；通过参数优化算法Adam对文本分类预测模型进行参数优化，得到最佳文本分类预测模型；将测试集输入最佳文本分类预测模型中得到分类预测结果。该方法解决了文本词向量缺少全局特征的问题，也极大改善了文本分类效果。

公开(公告)号：CN118135369A

公开(公告)日：2024-06-04

申请号：CN202410271014.0

申请日：2024-03-11

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  周信澎 ,  张秀霞 ,  徐欣瑶 ,  魏海月

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOV7模型的目标检测方法，包括采用Kaggle、MAFA等数据集，按比例对其随机分配并划分；在原有的YOLOv7模型上添加DiverseBranchBlock模块，引入多个分支，提取多尺度的特征信息；在改进的YOLOv7模型中，上采样采用CARAFE算子进行模型的轻量化；在优化模型网络头部添加Dyhead自注意力机制，提高输入数据的表达性和泛化能力；使用mAP@.5，mAP@.5:.95作为目标检测模型的评判标准。该方法可以捕捉到物体在不同尺度下的细节特征，可更精细地定位和检测目标体，在同时满足模型结构及参数量均得到优化，且推理时间不变的前提下提高其泛化性。

公开(公告)号：CN117174312A

公开(公告)日：2023-12-05

申请号：CN202311111960.0

申请日：2023-08-31

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  张秀霞 ,  周信澎 ,  魏海月 ,  徐欣瑶

IPC: G16H50/30 ,  G06N3/0464 ,  G06N3/09 ,  G06F18/213 ,  G06F18/24 ,  G06F18/25

Abstract: 本发明提出一种基于一维卷积与残差连接的疾病预测方法，属于疾病预测领域。该方法包括：从互联网获取数据集；进行数据预处理，并划分数据集；使用多个尺寸不同的一维残差卷积块进行特征提取，并对提到的不同特征进行特征融合；使用全连接层对融合特征进行分类预测；计算损失并且通过优化器对模型进行优化。该方法针对现有方法没有结合原始数据自身的特点进行有效的预处理并且没有根据数据的固有属性来选择更符合逻辑的模型结构的问题进行设计，极大的提高了心血管疾病的预测性能。实验结果验证了所提出的方法的优势和有效性。