公开(公告)号：CN120067341A

公开(公告)日：2025-05-30

申请号：CN202510171465.1

申请日：2025-02-17

Applicant: 哈尔滨工业大学

Inventor： 林琳 ,  索世伟 ,  刘丹 ,  付松 ,  吴金蕾

IPC: G06F16/36 ,  G06F40/30 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0464

Abstract: 一种基于全局信息语义重构与多规格特征锐化框架的知识图谱嵌入方法，属于知识图谱嵌入技术领域。本发明针对现有知识图谱嵌入方法对特征图的整体关注度差，影响预测结果的问题。包括基于全局信息捕获的实体关系语义重构方法，通过多层膨胀卷积对实体和关系组成的语义信息矩阵进行全局信息重建，获取具有上下文逻辑关联信息的实体和关系的语义信息；其次通过面向语义重构信息的多规格特征捕获机制，从关系向量中提取不同规格的卷积核与重构信息进行卷积，从不同角度对实体关系语义信息进行特征捕获；最后采用基于组归一化的信息锐化方法，对多规格特征的集合进行标准化和阈值调整。本发明提升了实体与关系表示的准确性和鲁棒性。

公开(公告)号：CN118885930A

公开(公告)日：2024-11-01

申请号：CN202410774682.5

申请日：2024-06-14

Applicant: 哈尔滨工业大学

Inventor： 林琳 ,  刘丹 ,  吴金蕾 ,  付松 ,  郭丰 ,  索世伟

IPC: G06F18/2433 ,  G06F18/2411 ,  G06F18/214 ,  G06F18/23213 ,  G06F18/213 ,  G06F18/21 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/048

Abstract: 基于超平面引导式重采样方法的家用电器故障诊断方法，属于家用电器故障诊断技术领域。本发明是为了解决现有家用电器的故障诊断方法存在数据不均衡，导致误判率高的问题。本发明利用家用电器历史监测数据获取训练集；将训练集中的健康样本划分为不同的采用无监督聚类方法将健康样本划分为不同的簇，再将所有簇中心的样本作为降采样后训练集的健康样本；采用超平面引导，对降采样后的训练集中故障样本进行过采样，合成新故障样本；将合成的新故障样本加入降采样后的训练集，构成平衡训练集；建立深度自注意力网络，采用平衡训练集对所述深度自注意力网络进行训练，获取故障诊断模型；利用所述故障诊断模型对家用电器进行故障诊断。本发明适用家用电器故障诊断。

公开(公告)号：CN118428553A

公开(公告)日：2024-08-02

申请号：CN202410654292.4

申请日：2024-05-24

Applicant: 哈尔滨工业大学

Inventor： 林琳 ,  吴金蕾 ,  刘丹 ,  付松 ,  郭丰

IPC: G06Q10/04 ,  G06Q10/20 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/084

Abstract: 基于双重注意力时间卷积网络的制造资源装备健康状态预测方法，属于制造资源装备健康状态预测技术领域。解决了现有制造资源装备退化状态的预测结果准确率低的问题。本发明基于时间卷积网络，结合通道注机制和时序注意力机制，建立基于双重注意力的时间卷积网络；所述时间卷积网络包括L个隐藏层，L个隐藏层残差连接；每个隐藏层利用膨胀因果卷积网络进行时序依赖特征提取，再结合通道注意力机制和时序注意力机制，获取隐藏层的输出信号，第L个隐藏层的输出信号为基于双重注意力的时间卷积网络的输出信号；基于双重注意力的时间卷积网络用于制造资源装备的健康状态预测。主要用于制造资源装备的健康状态预测。