-
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：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。
-
Patent Agency Ranking
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：CN111582059A
公开(公告)日：2020-08-25
申请号：CN202010313704.X
申请日：2020-04-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于视觉图像处理领域，尤其涉及人脸表情识别技术领域，具体涉及一种基于变分自编码器的人脸表情识别方法。本发明首先利用卷积神经网络预测输入人脸图像的面部姿势，并且通过改进损失函数和调整人脸边界框的边距大小提高面部姿势估计的准确度，然后将经过处理的人脸图像输入到变分自编码器中，通过给定人脸图像中姿势和表情属性的概率分布，生成不同姿势和表情的人脸图像来扩充表情识别模型的训练集，从而解决模型在训练的过程中，由于头部姿势偏转造成的识别精度不高和缺乏足够的训练数据造成的过拟合问题。最后利用生成图像和原始图像一起作为训练数据对分类器模型进行训练，实现非正面人脸表情识别。
-
公开(公告)号：CN104168189B
公开(公告)日：2018-10-26
申请号：CN201410424437.8
申请日：2014-08-26
Applicant: 哈尔滨工程大学
IPC: H04L12/701 , H04L12/721
Abstract: 本发明属于容忍延迟网络(DTN)领域，具体涉及一种在DTN网络中基于节点属性模型的散发等待路由方法。本发明包括：源节点S确定当前所要传递的消息副本数L；S判断邻居节点A的运动夹角θA；利用节点运动属性模型公式确定源节点S将要传递给邻居节点A的消息转发副本参数γ；S在自身缓存中复制γ*L个消息副本；判断节点A与源节点S的关系属性权值；若源节点S在运动属性和关系属性方面都优于邻居节点A，则S不向节点A传输任何该消息的副本。本方案在消息传递的过程中合理地考虑到了网络中节点属性的权重，结合多副本模式的散发等待路由，合理的分配了节点所携带的各个消息副本。该方案具有计算简单、处理快、高效等特点。
-
公开(公告)号：CN104184816A
公开(公告)日：2014-12-03
申请号：CN201410431715.2
申请日：2014-08-28
Applicant: 哈尔滨工程大学
IPC: H04L29/08
Abstract: 本发明属于分布式系统仿真领域，具体涉及一种基于仿真成员事件时戳增量期望的前瞻量动态调整方法。本发明包括：(1)根据联邦成员在时间区间产生事件的时间戳增量变化情况，确定前瞻量调整比例因子，并根据该比例因子确定是否需要对前瞻量进行调整；(2)若确定需调整前瞻量，根据本算法对前瞻量的定义，依据HLA规则如何合理调整前瞻量。该方法将仿真时间分段、分组管理，根据仿真状态更新，前瞻量调整比例因子，在利用比例因子判断是否需要调整前瞻量，最后依据HLA对调整前瞻量的约束条件，合理地更新前瞻量。该方法摒弃了对前瞻量的人为设定，使前瞻量能够更好地与仿真状态相结合，提供了仿真效率，降低了产生死锁的风险。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.023 seconds)
