-
公开(公告)号：CN114861778B
公开(公告)日：2024-10-25
申请号：CN202210429221.5
申请日：2022-04-22
Applicant: 哈尔滨理工大学
IPC: G06F18/241 , G06F18/10 , G01M13/04 , G06N3/045 , G06N3/096
Abstract: 一种改进宽度迁移学习的不同负载下滚动轴承状态快速分类方法，涉及滚动轴承故障分类技术领域，用以解决深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题。本发明的技术要点包括：以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口，并在增强层引入Maxout激活函数构建改进的BLS网络，同时引入遗传算法优化网络节点结构，建立基于源域数据的预训练模型；将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络，并利用少量目标域训练样本微调网络建立状态分类模型。本发明方法可以在更短的时间内建立分类模型并获得良好的分类准确率，适用于不同负载下滚动轴承故障状态的快速分类。
-
公开(公告)号：CN118035893A
公开(公告)日：2024-05-14
申请号：CN202410231134.8
申请日：2024-02-29
Applicant: 哈尔滨理工大学
IPC: G06F18/2431 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/096 , G06N3/098 , H04L9/00
Abstract: 一种云边协同联邦模型迁移的滚动轴承故障诊断方法及系统，涉及滚动轴承故障诊断技术领域。针对机械设备故障诊断中联邦学习框架云端通信成本高以及某种规格滚动轴承带标签样本稀缺，导致诊断准确率低的问题而提出的。该方法将云边协同和联邦学习相结合，构建多用户轴承故障诊断新框架，以减轻云端通信压力；利用残差网络提取振动信号特征，构建多用户本地模型；引入双重加密机制，提升参数传递过程中的安全性；将云边端协同构建的源域共享模型发送至目标域用户，并提出利用自适应微调策略改进模型迁移方法，从而实现多用户孤岛隐私数据下不同规格滚动轴承跨域故障诊断。经实验验证，所提方法相比于传统联邦学习框架在3种数据集上平均节省69.1％的时间成本，有效提高了故障诊断效率、减轻了云端通信开销和计算压力，且跨域故障诊断准确率平均提升8.2％，具有较强的泛化性。
-
公开(公告)号：CN116775873A
公开(公告)日：2023-09-19
申请号：CN202310738400.1
申请日：2023-06-20
Applicant: 哈尔滨理工大学
IPC: G06F16/35 , G06F18/24 , G06F18/25 , G06F40/35 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种多模态对话情感识别方法，属于对话情感识别技术领域。包括：S1.使用不同的编码器对每轮对话的单模态数据进行编码，得到对话中每个模态的特征表示；S2.对一轮对话的上下文对话信息进行聚合；S3.将对话中的每句话交互的多模态特征进行线性变换后进行模态间的特征融合；S4.基于辅助任务对每个模态的特征使用独立的分类器进行分类，使用主任务分类器对融合后的特征进行主任务情感分类，分别计算分类损失，最终模型损失由辅助任务和主任务损失进行加权计算；S5.将多模态数据输入至主任务分类器中，输出情感类别。解决没有结合所有对话上下文对情感信息进行充分的挖掘，各模态数据表达情感的关联性没有被充分利用的问题。
-
公开(公告)号：CN113408430B
公开(公告)日：2022-09-09
申请号：CN202110692364.0
申请日：2021-06-22
Applicant: 哈尔滨理工大学
IPC: G06K9/00 , G06F40/211 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明是一种基于多级策略和深度强化学习框架的图像中文描述系统及方法，属于计算机视觉和自然语言处理的交叉领域，图像中文描述方法针对图像中文描述中生成语句的连贯性不佳、可读性差、模型训练时间长等问题；基于RNN的模型，语言指标和视觉语义功能集成以进行优化。所提出的框架包括多级策略网络和多级奖励功能两个模块，引入ResNet152网络提取图像全局特征,通过双层门控循环单元网络(GRU)解码生成图像中文描述模型。本文使用AI Challenger全球AI挑战赛图像中文描述数据集进行实验，并针对词级策略网络和语言奖励功能(56)对比文件王玉静等.Chinese Alt Text WritingBased on Deep Learning《.Internationalinformation and Engineering technologyassociation》.2019,第36卷(第2期),161-170.Soheyla Amirian等.Automatic Image andVideo Caption Generation With DeepLearning: A Concise Review andAlgorithmic Overlap《.IEEE Access》.2020,第8卷全文.徐航.基于深度网络与多特征融合的视频语义描述方法研究《.中国优秀硕士学位论文全文数据库 (信息科技辑)》.2020,(第2期),全文.
-
公开(公告)号：CN114861778A
公开(公告)日：2022-08-05
申请号：CN202210429221.5
申请日：2022-04-22
Applicant: 哈尔滨理工大学
Abstract: 一种改进宽度迁移学习的不同负载下滚动轴承状态快速分类方法，涉及滚动轴承故障分类技术领域，用以解决深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题。本发明的技术要点包括：以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口，并在增强层引入Maxout激活函数构建改进的BLS网络，同时引入遗传算法优化网络节点结构，建立基于源域数据的预训练模型；将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络，并利用少量目标域训练样本微调网络建立状态分类模型。本发明方法可以在更短的时间内建立分类模型并获得良好的分类准确率，适用于不同负载下滚动轴承故障状态的快速分类。
-
Patent Agency Ranking
公开(公告)号：CN109992780B
公开(公告)日：2022-07-01
申请号：CN201910249992.4
申请日：2019-03-29
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种基于深度神经网络特定目标情感分类方法。属于自然语言处理的文本情感分类领域。首先对数据集进行中文分词、去除停用词、去除标点的操作，接着采用word2vec算法对处理后的语料进行训练来得到相应的词向量，然后，将训练集输入到基于目标注意力机制的长短期记忆网络模型结构中,在实现注意力权重训练的过程中，将特定目标和特定方面嵌入进去，用特定方面嵌入的加权求和来表示特定目标，使模型对特定目标和特定方面给与更多正确的关注，实现更好地捕捉目标的真实语义，最终提高了特定目标情感分类的准确度。
-
公开(公告)号：CN109902393B
公开(公告)日：2022-06-14
申请号：CN201910159895.6
申请日：2019-03-01
Applicant: 哈尔滨理工大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 一种基于深层特征和迁移学习的变工况下滚动轴承故障诊断方法，涉及故障诊断技术领域，为了解决变工况下滚动轴承不同故障位置及不同性能退化程度多状态识别准确率低的问题。首先采用SDAE对滚动轴承振动信号频域幅值进行特征提取，得到振动信号深层特征，并构成源域特征样本集和目标域特征样本集。然后采用JGSA对源域特征样本与目标域特征样本进行域适应处理，达到同时减少域间特征样本的分布偏移及子空间变换差异的目的，进而缩减不同类特征样本间的域偏移。最后通过K近邻算法完成变工况下滚动轴承多状态分类。本发明与其他方法相比较，在滚动轴承变工况条件下表现出更好的特征提取能力，其样本特征可视化效果最佳，变工况下滚动轴承故障诊断准确率高。
-
公开(公告)号：CN110849627B
公开(公告)日：2021-11-16
申请号：CN201911187811.6
申请日：2019-11-27
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06N20/00
Abstract: 一种宽度迁移学习网络及基于宽度迁移学习网络的滚动轴承故障诊断方法，属于轴承故障诊断技术领域。针对变负载下滚动轴承带标记信息的振动数据稀缺、相同状态的源域数据和目标域数据分布差异大、多状态数据分布不平衡、诊断准确率和模型训练效率低的问题，提出一种新的宽度迁移学习网络及基于此的滚动轴承智能诊断方法。本发明利用宽度学习系统提取源域数据与目标域数据的特征并构造样本集，在此基础上，采用迁移学习中的平衡分布适配方法，减少源域和目标域之间的差异性。引入鸡群算法，优化宽度迁移学习网络参数，进而建立宽度迁移学习网络模型。将所提网络模型应用于变负载下滚动轴承故障智能诊断中，实验结果验证了所提方法的高效性和准确性。
-
公开(公告)号：CN112101221A
公开(公告)日：2020-12-18
申请号：CN202010971122.0
申请日：2020-09-15
Applicant: 哈尔滨理工大学
Abstract: 一种用于交通信号灯实时检测与识别的方法，属于交通信号灯检测识别领域。本发明是针对YOLOv4算法对小目标检测不敏感导致交通信号灯检测精度较低的问题而提出的。提出浅层特征增强机制，将特征提取网络中不同阶段的两个浅层特征分别与两次上采样后得到的高层语义特征进行融合，增大两个检测层的尺度，提升网络对小目标的定位及颜色分辨能力；引入边界框不确定性预测机制，对预测边界框输出坐标进行建模，加入高斯模型计算坐标信息的不确定度，提高预测边界框的可靠性。利用LISA交通信号灯数据集分别进行检测与识别实验，检测实验中改进YOLOv4算法的AUC值为97.58％相比VIVA提升7.09％；识别实验中改进YOLOv4算法的平均精度均值为82.15％较原始YOLOv4算法提升2.86％。改进后的YOLOv4算法提升交通信号灯的检测与识别精度。
-
公开(公告)号：CN109879170B
公开(公告)日：2020-08-04
申请号：CN201910249372.0
申请日：2019-03-29
Applicant: 哈尔滨理工大学
Abstract: 一种起重机吊臂旁弯位移实时检测系统，涉及起重机吊臂旁弯位移实时检测技术。目的是为了解决无法对大型起重机工作过程中臂架的旁弯量进行实时监测的问题。本发明的检测系统，包括两个红外激光发射器、成像设备和工业计算机；所述两个红外激光发射器位于起重机基本臂的顶端，并且两个激光发射器与基本臂的中心轴线对称，且所述两个激光发射器位于同一水平面，成像设备的红外激光接收器位于起重机基本臂的底部中央，并且所述红外激光接收器的光轴与基本臂的中心轴线平行；所述成像设备的信号输出端连接工业计算机的图像信号输入端。该系统具有操作简单方便、可靠性高，精确度高等特点。提高了起重机作业过程中的安全性，减少事故的发生。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.027 seconds)
