-
公开(公告)号：CN104168189A
公开(公告)日：2014-11-26
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：CN119935549A
公开(公告)日：2025-05-06
申请号：CN202311448911.6
申请日：2023-11-02
Applicant: 哈尔滨工程大学 , 中国船舶集团有限公司第七一六研究所
IPC: G01M13/045 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/082 , G10L25/03 , G10L25/30 , G10L25/51
Abstract: 本发明公开了一种基于声学特性的多模态船用轴承故障检测方法，首先采集船用轴承数据并进行预处理，形成数据集，之后基于深度学习构建基于声学特性的多模态船用轴承故障检测模型，并基于数据集对多模态船用轴承故障检测模型进行训练和测试最后利用训练后的多模态船用轴承故障检测模型进行轴承故障检测。本发明方法充分利用了振动信号的多角度表征信息，将时域和频域作为多模态信息输入，避免单一模态无法准定位超声段噪声特征、异常工况发生区间和工况状态变化特点的局限性，通过从不同模态关注信号时域和频域等维度提取并融合轴承磨削信号更本质特征，从而实现不同工况间的跨域诊断。
-
公开(公告)号：CN115048215B
公开(公告)日：2024-10-29
申请号：CN202210569070.3
申请日：2022-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶海上航行模拟领域，具体涉及一种基于混合压缩格式的对角矩阵SPMV在GPU上的实现方法。输入COO格式的船舶海上航行模拟矩阵数据文件，将其转化成传统矩阵形式；基于非零元个数的标准差最小策略，将矩阵划分为DIA矩阵和对角线偏移量数组；利用转化的矩阵中剩余的数据，利用基于分块策略的CSR方式进行存储；分别将DIA矩阵数据和CSR相关数据分别从主机端传递到设备端，按照每个线程处理一行的方式进行GPU并行SPMV操作；将两个阶段的计算结果从设备端传递到主机端，并在主机端进行整合，实现船舶海上航行的模拟。本发明用以提高船舶海上航行模拟的稀疏矩阵算法的计算效率。
-
公开(公告)号：CN118691742A
公开(公告)日：2024-09-24
申请号：CN202410736167.8
申请日：2024-06-07
Applicant: 哈尔滨工程大学
IPC: G06T17/00 , G06V10/30 , G06V10/774 , G06V10/776 , G06V10/77 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/088 , G06N3/0895
Abstract: 本发明涉及一种基于自训练条件扩散模型的三维点云重建方法，包括：获取待重建图像和高斯噪声；构建三维点云重建网络模型，引入条件聚合模块和特征一致性损失，获取条件扩散的三维点云重建网络模型，将所述条件扩散的三维点云重建网络模型作为教师子模型和学生子模块，结合形状自然度模块及重建一致性损失，获取自训练条件扩散的三维点云重建网络模型；将所述待重建图像和所述高斯噪声输入所述自训练条件扩散的三维点云重建网络模型，获取点云重建结果。本发明能够有效利用图像信息，提升三维点云重建性能，同时降低对大规模标注数据依赖。
-
公开(公告)号：CN116401603A
公开(公告)日：2023-07-07
申请号：CN202310463832.6
申请日：2023-04-26
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/0455 , G06N3/047 , G06N3/096 , G01M13/045
Abstract: 本发明属于机械设备故障诊断领域，具体涉及一种基于迁移学习的多模态轴承故障智能诊断方法，包括采集不同工况下的原始振动信号分别作为源域数据和目标域数据，经过预处理操作获取时域、频域两个观测角度信息，作为模型的多模态输入；构建深度迁移网络模型，通过基于注意力机制的多模态信息融合网络深度挖掘同源数据的多角度表示特征，通过标签分类器及源域标记数据保证故障类别的诊断性能，通过领域鉴别器和子类度量模块分别适配源域和目标域数据的边缘分布和条件分布，动态调整两种分布在迁移过程中的权重，最终形成动态联合分布自适应。寻找域不变特征提高模型在目标域数据上的泛化能力，提高机械设备的跨域故障智能诊断精度。
-
Patent Agency Ranking
公开(公告)号：CN110928659B
公开(公告)日：2022-12-06
申请号：CN201911141458.8
申请日：2019-11-20
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种具有自适应功能的数值水池系统远程多平台接入方法。本发明根据用户提交计算作业相关参数；根据计算作业的求解器类型和网格数量，推荐最优模式下所需的计算资源平台和节点核数，将计算作业放入就绪队列中；判断计算作业是否存在跨平台接入变化服务，数值水池平台系统自动解析集群作业调度策略，生成相应的执行脚本命令。将计算作业提交到本地集群，并根据最优计算核数分配计算节点。判断队列是否为空。本发明有效地解决了数值水池系统远程多平台接入问题，并能够针对计算作业量大小动态调整所接入的计算资源平台，针对数值水池系统用户实现了自适应接入方法，提高用户可操作性，增强用户体验。
-
公开(公告)号：CN115048215A
公开(公告)日：2022-09-13
申请号：CN202210569070.3
申请日：2022-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶海上航行模拟领域，具体涉及一种基于混合压缩格式的对角矩阵SPMV在GPU上的实现方法。输入COO格式的船舶海上航行模拟矩阵数据文件，将其转化成传统矩阵形式；基于非零元个数的标准差最小策略，将矩阵划分为DIA矩阵和对角线偏移量数组；利用转化的矩阵中剩余的数据，利用基于分块策略的CSR方式进行存储；分别将DIA矩阵数据和CSR相关数据分别从主机端传递到设备端，按照每个线程处理一行的方式进行GPU并行SPMV操作；将两个阶段的计算结果从设备端传递到主机端，并在主机端进行整合，实现船舶海上航行的模拟。本发明用以提高船舶海上航行模拟的稀疏矩阵算法的计算效率。
-
公开(公告)号：CN120047006A
公开(公告)日：2025-05-27
申请号：CN202510215765.5
申请日：2025-02-26
Applicant: 哈尔滨工程大学
IPC: G06Q10/0637 , G06Q50/26 , G06N3/092 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于DRMRPG算法的多无人艇博弈对抗方法及系统，方法包括：构建基于所述DRMRPG算法的多无人艇智能博弈框架；在MADDPG算法的基础上，引入多级经验回放策略、动态软更新策略和残差连接策略，得到所述DRMRPG算法；基于所述DRMRPG算法，构建初始多无人艇博弈决策模型；利用所述多无人艇智能博弈框架对所述初始多无人艇博弈决策模型进行训练，得到智能决策模型；利用所述智能决策模型进行多无人艇博弈对抗，得到博弈决策。本发明具备高奖励值、高稳定性和高效率，具有一定的有效性。
-
公开(公告)号：CN114529077B
公开(公告)日：2024-10-29
申请号：CN202210137611.5
申请日：2022-02-15
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06Q30/0202 , G06Q30/0241 , G06N3/0442 , G06N3/08 , G06N3/0455
Abstract: 本发明提出了一种基于会话内异构行为的点击率预测方法，获得用户信息数据集、项目信息数据集和用户行为序列数据集，分别对三种数据集进行预处理，并分为训练集和测试集；构建基于会话内异构行为的点击率预测模型；训练构建的基于会话内异构行为的点击率预测模型；将待推荐用户的个人信息、待推荐项目信息和待推荐用户行为序列输入到训练后的基于会话内异构行为的点击率预测模型，计算用户对目标项目的点击率，根据点击率将项目进行排序，并将排序后的项目列表推荐给用户；本发明同时考虑了用户与项目之间的多种异构行为对用户兴趣的影响，利用注意力机制计算不同类型的行为对兴趣的影响权重，更加精准地提取用户的兴趣。
-
公开(公告)号：CN118505972A
公开(公告)日：2024-08-16
申请号：CN202410632240.7
申请日：2024-05-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于前景信息降采样的点级特征融合三维目标检测方法，包括：构建基线的三维点云目标检测模型，在基线的三维点云目标检测模型中引入融入图像前景信息的混合降采样方法，构建基于前景信息降采样的三维点云目标检测模型；基于前景信息降采样的三维点云目标检测模型，结合基于注意力机制的点级插值池化特征融合模块，构建基于前景信息降采样的点级特征融合三维点云目标检测模型；将点云及对应图像输入基于前景信息降采样的点级特征融合三维点云目标检测模型中，输出三维目标框，完成三维目标检测。本发明能有效利用图像信息辅助三维目标检测，具有很好的检测效果。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.019 seconds)
