-
公开(公告)号：CN115033706A
公开(公告)日：2022-09-09
申请号：CN202210541065.1
申请日：2022-05-17
Applicant: 哈尔滨工程大学
IPC: G06F16/36 , G06F40/242 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种知识图谱自动补全和更新的方法，涉及了人工智能以及自然语言处理领域。本发明通过处理原始数据构建知识图谱和用于文本生成的神经网络模型，将知识图谱中相近的实体和关系或者知识图谱中缺失的三元组作为模型的输入，利用神经网络模型的输出更新存储到图数据库中达到知识图谱自动补全和更新的目的。本发明实现了智能问答领域的知识图谱中的三元组信息的补全和自动更新，可以为应用知识图谱的后续分析提供支撑。
-
公开(公告)号：CN114897124A
公开(公告)日：2022-08-12
申请号：CN202210321742.9
申请日：2022-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于改进灰狼优化算法的入侵检测特征选择方法，利用柯西变异和Levy飞行对狼群进行扰动，跳出局部最优，提高全局搜索的能力，进而得到最佳特征子集，提高入侵检测的准确率。本发明在灰狼种群初始化时，使用Logistic混沌映射，提高初始灰狼种群的质量，提高算法挖掘能力；在灰狼种群更新时进行扰动，一定程度上弥补了陷入局部最优的缺点，提升全局搜索能力；最终训练出特征数较少的最佳特征子集，带入测试集后，得到的检测准确率更高。
-
公开(公告)号：CN113065693A
公开(公告)日：2021-07-02
申请号：CN202110301075.3
申请日：2021-03-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于人工智能以及分布式学习技术领域，具体涉及一种基于径向基神经网络的车流量预测方法。本发明针对RBF的缺乏通用性参数设置问题，将RBF与APSO算法进行融合，将RBF的网络中心、中心半径以及连接权值映射到粒子的运动位置当中去，通过粒子的寻优过程达到了对参数的优化效果。本发明引入基于健康度的PSO算法，通过粒子的健康度的判断，将粒子划分为状态优秀、一般以及状态差的粒子，对健康度处于差的粒子进行了特定的全局搜索策略优化，对健康度处于优秀的粒子进行了特定的局部策略优化。最后在基于Spark并行平台的基础上，通过主副节点对粒子的更新，输出了用于车流量预测的RBF神经网络模型。
-
公开(公告)号：CN118963703A
公开(公告)日：2024-11-15
申请号：CN202410972259.6
申请日：2024-07-19
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种用于格密码芯片的高性能多项式乘法硬件加速架构。本发明涉及加密计算技术领域，本发明设计了轻量化的多项式硬件加速架构，可以支持多项式乘法中不同基数下的NTT、INTT、点乘等运算，核心单元为由4组小型蝶形结构构成的轻量化蝶形单元，并针对多项式乘法中的各种运算，设计了不同模式下的调度方式。最后，根据本发明设计出的多项式乘法模块，提出了一种对应的无冲突内存映射方案和数据存储方案，该方案简化了存储数据的读写控制，解决了多项式运算过程中大量数据交互造成的地址转换过于复杂及数据互相冲突问题。
-
-
Patent Agency Ranking
公开(公告)号：CN114897124B
公开(公告)日：2024-10-18
申请号：CN202210321742.9
申请日：2022-03-25
Applicant: 哈尔滨工程大学
IPC: G06N3/006 , G06F18/214 , G06F18/2413 , H04L9/40
Abstract: 本发明提供了一种基于改进灰狼优化算法的入侵检测特征选择方法，利用柯西变异和Levy飞行对狼群进行扰动，跳出局部最优，提高全局搜索的能力，进而得到最佳特征子集，提高入侵检测的准确率。本发明在灰狼种群初始化时，使用Logistic混沌映射，提高初始灰狼种群的质量，提高算法挖掘能力；在灰狼种群更新时进行扰动，一定程度上弥补了陷入局部最优的缺点，提升全局搜索能力；最终训练出特征数较少的最佳特征子集，带入测试集后，得到的检测准确率更高。
-
公开(公告)号：CN116543021A
公开(公告)日：2023-08-04
申请号：CN202310596182.2
申请日：2023-05-24
IPC: G06T7/246 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0475 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种基于特征融合的Siamese网络视频单目标跟踪方法，具体涉及一种基于特征融合的Siamese网络监控视频的单目标跟踪方法，为了解决Siamese网络单目标跟踪算法在面对复杂环境和被跟踪目标附近存在明显的背景干扰时的跟踪能力较低，无法准确跟踪目标，以及跟踪一些特定目标时输出的跟踪区域不够精确的问题。利用模板区域图像集和搜索区域图像集对构建的模型进行训练，分别输出模板图像和搜索图像的特征图，模型依次包括基于混合注意力机制的ResNet‑50网络和孪生特征融合网络，将模板图像的特征图和搜索图像的特征图输入RPN网络中进行相似性对比，输出搜索图像中与模板图像相似度最高的预测区域，实现单目标的跟踪。属于目标跟踪领域。
-
公开(公告)号：CN111258730A
公开(公告)日：2020-06-09
申请号：CN202010031828.9
申请日：2020-01-13
Applicant: 哈尔滨工程大学
Abstract: 本发明属于任务调度技术领域，具体涉及一种基于竞态条件的任务调度方法。本发明通过不确定矩阵描述时间序列特征以及测量任务执行不确定性，利用最大熵优化发提出的任务调度算法确保任务执行期间发生的竞态条件概率最低。本发明的任务调度优化方法在低功耗系统平台有更高的CPU利用率，吞吐量和更低的计算复杂度和任务执行时间，具有一定的研究和使用价值。
-
公开(公告)号：CN110474883A
公开(公告)日：2019-11-19
申请号：CN201910669487.5
申请日：2019-07-24
Applicant: 哈尔滨工程大学
IPC: H04L29/06
Abstract: 一种基于重标极差法的SDN异常流量检测方法，属于计算机网络安全技术领域。该方法包括收集SDN各节点(包括控制器和各用户终端)的正常网络流量包数量，分别计算其Hurst指数；保存并作为网络正常指标，设定正常状态的阈值；收集各节点发生某种已知异常的网络流量包数量，计算各节点Hurst指数作为该异常的指标；用窗函数截取前向序列并计算其Hurst指数，若由正常指标最终变为某种异常指标，即可确定该模式的异常发生并确定发生异常时刻点。若只是指标变化偏离了正常值，但不能找到相近的异常指标，则发生了已知模式之外的异常，并能够确定异常时刻点。本发明可以实时检测流量状态，判断流量是否异常，并且能够检测异常发生时刻，有利于加强SDN网络系统的安全性。
-
公开(公告)号：CN117151179A
公开(公告)日：2023-12-01
申请号：CN202311201999.1
申请日：2023-09-18
Applicant: 哈尔滨工程大学
IPC: G06N3/063 , G06N3/0464 , G06N3/048 , G06F15/78
Abstract: 本发明提供了一种适用于深层神经网络模型的硬件加速器架构，包括：相互无线连接的CPU和FPGA；所述CPU用于神经网络模型的输入的特征图进行归一化处理和尺寸大小的自适应调整、对网络模型的推理结果进行处理，以确定最终的计算结果以及对FPGA加速核心计算单元的逻辑控制，所述FPGA用于对不同网络层数据进行加速计算和数据传输；所述FPGA包括：数据加载模块、写回模块和计算模块；所述数据加载模块用于从片外加载数据到片上buffer中，所述计算模块用于根据所述片上buffer中的数据进行计算得到计算结果，所述写回模块用于将所述计算结果写回到片外DDR中。本发明解决了现有技术中对于深层神经网络模型的硬件加速器加速性能不足和功耗高的问题。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.017 seconds)
