-
公开(公告)号：CN116485699A
公开(公告)日：2023-07-25
申请号：CN202210022520.7
申请日：2022-01-10
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于深度自适应的反向细化网络架构的RGB‑D显著性物体检测装置及其检测方法。采用双流架构即RGB流和深度流，分别提取RGB相关特征和深度特征，采用交叉融合方法实现多模态特征融合；判断融合特征是否为高层特征，若是高层特征则去获得中间显著性检测结果；若不是高层特征则归为低层特征并等待生成的中间显著性结果经过反向细化模块进行低层特征的反向细化特征；最后生成显著性预测结果。本发明用以解决如何实现跨层级多模态间的学习，充分地探索RGB图像和深度图多模态间的相关性和互补性的问题。
-
公开(公告)号：CN116483348A
公开(公告)日：2023-07-25
申请号：CN202310467547.1
申请日：2023-04-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种SysML模型生成与推荐方法，所述方法通过学习已有项目需求和SysML模型，构建SysML需求图自动生成器，实现根据自然语言表达的系统需求自动化地生成SysML需求图，并通过SysML模型的需求追溯关系推荐模型，支持模型驱动的系统工程中智能化的模型复用。本发明可以根据自然语言需求，自动化地生成SysML需求图模型，并支持可视化的需求确认和变更，进而利用SysML模型的可追溯性，自动化地推荐模块图、活动图等其他SysML图模型，辅助软件系统建模和开发，提高软件系统的开发效率和质量。本发明也适用于UML模型的生成和推荐，还可以进一步应用于其他低代码开发过程中的模型生成和推荐。
-
公开(公告)号：CN116358416A
公开(公告)日：2023-06-30
申请号：CN202310171169.2
申请日：2023-02-27
Applicant: 哈尔滨工业大学 , 国家电网有限公司信息通信分公司 , 电力规划总院有限公司 , 中国电力工程顾问集团西南电力设计院有限公司
Inventor： 董永康 , 夏猛 , 杜学新 , 夏小萌 , 陈佟 , 杨悦 , 王颖 , 邓月 , 李树辰 , 张昉熠 , 李灿 , 李扬 , 梁正晗 , 张帅 , 章毅 , 郭瑜 , 王甜甜 , 张佐星 , 房芳 , 朱国栋 , 杨洋 , 秦浩庭 , 伍文城 , 杨帆 , 陈谦 , 刘毅 , 付浩 , 王海林
Abstract: 本发明公开了一种基于BOTDR应变测量的OPGW光缆弧垂监测方法及系统，涉及光缆弧垂监测技术领域，用以解决现有弧垂监测方案中成本高、需要供电等问题。本发明的技术要点包括：基于BOTDR采集架设在等高杆塔上且形态满足悬链线方程的OPGW光缆在固定时间间隔的布里渊谱；对固定时间间隔的布里渊谱进行处理，获取布里渊频移变化量和引下线处由温度引起的布里渊频移变化量，进而解调出OPGW光缆应变；根据OPGW光缆应变计算获取光缆伸长量，进而获取伸长后的光缆长度；根据伸长后的光缆长度计算对应的光缆弧垂；判断光缆弧垂是否大于安全弧垂长度，若大于则进行预警。本发明使用BOTDR实现OPGW光缆应变解调，通过监控光缆的应变变化计算弧垂量，可在弧垂过大时及时预警。
-
公开(公告)号：CN111797242B
公开(公告)日：2023-04-07
申请号：CN202010611989.5
申请日：2020-06-29
Applicant: 哈尔滨工业大学
IPC: G06F16/36 , G06F16/34 , G06F40/295 , G06F40/284
Abstract: 本发明公开了一种基于代码知识图谱和知识迁移的代码摘要生成方法，所述方法如下：1、抽取并融合多源数据构建代码知识图谱；2、利用代码解析工具生成抽象语法树，遍历抽象语法树中的方法调用节点获取API调用序列；3、从代码知识图谱中搜索API调用序列中的API描述信息；4、挖掘大规模开源项目，构建API序列摘要生成数据集，训练文本摘要生成模型，学习与API功能相关的背景知识；5、构建代码摘要生成模型；6、在代码摘要数据集上训练代码摘要生成模型，并利用该模型生成代码摘要。本发明将代码知识图谱和知识迁移用于代码摘要生成任务，能加强模型提取代码功能语义信息的能力，辅助模型理解代码，提高代码摘要生成质量。
-
公开(公告)号：CN111783100B
公开(公告)日：2022-05-17
申请号：CN202010576421.4
申请日：2020-06-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于图卷积网络对代码图表示学习的源代码漏洞检测方法，所述方法如下：生成代码属性图；在代码属性图中添加函数调用关系和过程间依赖关系；根据漏洞关键点获取代码切片；利用切片对图中节点进行删减，提取与漏洞相关的图结构信息；使用图卷积网络学习每个节点的向量表示；根据边的类型划分子图，并通过基于注意力机制的READOUT模型得到图的向量表示；根据图的向量表示和标签调整网络参数；用训练好的模型检测代码漏洞。本发明能充分利用和学习漏洞代码的结构和属性信息，避免传统深度网络在对代码表示学习时易丢失代码结构信息及因需要把代码表示成固定长度序列而丢失长代码上下文信息的问题，有助于降低漏洞检测的误报和漏报。
-
Patent Agency Ranking
公开(公告)号：CN109408114B
公开(公告)日：2021-06-22
申请号：CN201810950683.5
申请日：2018-08-20
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种程序错误自动修正方法、装置、电子设备及存储介质，包括：S1根据待进行修正的学生程序从预先设定的多个模板程序获取与学生程序最为匹配的模板程序作为示例程序；S2根据学生程序以及示例程序进行语法树匹配，获取两个程序中语法结构相似节点和语法结构不同节点；S3获取两个程序相同功能变量的映射表；S4生成第一代变异体种群；S5根据测试通过次数以及和示例程序的相似度计算变异体的适应度；S6采用交叉和变异操作生成新一代变异体种群；S7循环执行S5和S6直到有变异体可以通过所有规定的测试用例或达到预设迭代次数，将适应度最高的变异体作为学生程序的修正程序以及其对应的编辑序列的操作作为修正方案输出。
-
公开(公告)号：CN112001484A
公开(公告)日：2020-11-27
申请号：CN202010853000.1
申请日：2020-08-22
Applicant: 哈尔滨工业大学
IPC: G06N3/04 , G06N3/08 , G06K9/62 , G06F40/284 , G06F16/35
Abstract: 本发明公开了一种基于多任务深度学习的安全缺陷报告预测方法，首先挖掘缺陷报告仓库以及安全漏洞管理网站，构造多任务学习数据集。对数据集中缺陷报告的文本内容进行预处理，生成专业语料库，并利用其训练word2vec模型。建立多任务深度学习模型，利用模型底层的深度神经网络提取缺陷报告的共享语义特征，利用高层的各个子网络学习针对不同任务的具有分辨力的特征，最后将高层网络输出的特征向量作为各子任务预测网络的输入，完成安全缺陷报告识别和严重级别预测任务。本发明首次将多任务学习用于安全缺陷报告预测，利用与目标任务相关的辅助任务信息，引导模型学习到有更强泛化能力的特征，能够提高模型的泛化能力，降低噪音数据的影响。
-
公开(公告)号：CN111951975A
公开(公告)日：2020-11-17
申请号：CN202010839209.2
申请日：2020-08-19
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度学习模型GPT-2的脓毒症早期预警方法，在选定的时间跨度内提取ICU内病患的特征变量，组成一个高维度、随时间变化的序列，并将该序列经过数据预处理后输入到基于改进的GPT-2模型中以结合病患的近期临床表现提取到与ICU病患目前病情最接近的一种有效表示，将得到的该表示输入到一个全连接前馈网络层预测患者在接下来的时间内患有脓毒症的概率。本发明可以最大程度利用ICU内的病患常规指标，并可以根据时间的变化来预测病患面临的风险，类似于重症监护医生每日查房期间反复分析和更新重症监护病房的患者管理，该方法结合病患前几天的临床表现，根据大量可用数据做出预测结果，具有时效性，准确度更高。
-
公开(公告)号：CN111783100A
公开(公告)日：2020-10-16
申请号：CN202010576421.4
申请日：2020-06-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于图卷积网络对代码图表示学习的源代码漏洞检测方法，所述方法如下：生成代码属性图；在代码属性图中添加函数调用关系和过程间依赖关系；根据漏洞关键点获取代码切片；利用切片对图中节点进行删减，提取与漏洞相关的图结构信息；使用图卷积网络学习每个节点的向量表示；根据边的类型划分子图，并通过基于注意力机制的READOUT模型得到图的向量表示；根据图的向量表示和标签调整网络参数；用训练好的模型检测代码漏洞。本发明能充分利用和学习漏洞代码的结构和属性信息，避免传统深度网络在对代码表示学习时易丢失代码结构信息及因需要把代码表示成固定长度序列而丢失长代码上下文信息的问题，有助于降低漏洞检测的误报和漏报。
-
公开(公告)号：CN106874074B
公开(公告)日：2020-05-05
申请号：CN201611218952.6
申请日：2016-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于软件事务内存的并发缺陷规避系统及方法，所述系统由事务自动划分模块、可回滚内存模块、可回滚I/O模块、条件变量处理模块和加锁解锁处理模块5个模块构成，所述方法为：一、实现对目标程序的自动事务划分；二、实现内存事务化；三、实现执行流的可回滚化；四、实现I/O事务化；五、实现对死锁、数据竞争、原子性违背和顺序违背的有效规避。本发明能够自动事务化C/C++多线程程序、合理处理条件变量、支持普通文件和字符文件在系统层面、C语言层面和C++语言层面的事务化I/O和消除包括死锁、数据竞争、原子性违背和顺序违背在内的多种并发缺陷。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.029 seconds)
