-
公开(公告)号：CN114648017A
公开(公告)日：2022-06-21
申请号：CN202210386134.6
申请日：2022-04-13
Applicant: 哈尔滨工程大学
IPC: G06F40/211 , G06F40/295 , G06F40/284 , G06F16/35 , G06N3/04
Abstract: 一种基于异质图注意力网络的文档级关系抽取方法，具体涉及一种基于异质图注意力网络的文档级实体关系的抽取方法，本发明为了解决现有的图神经网络在获取节点表示时忽略了图中节点和边，导致关系抽取的准确率低的问题，它包括以下步骤：S1、获取文档文本；S2、建立文档级关系抽取模型，将S1中获取的文档文本输入文档级关系抽取模型内进行训练，输出所述文档文本的关系，得到训练好的文档级关系抽取模型；S3、将待抽取文档级关系的文档文本输入S2中训练好的文档级关系抽取模型内，得到对应的文档文本的关系。属于计算机技术领域。
-
公开(公告)号：CN114565831B
公开(公告)日：2025-02-25
申请号：CN202210202911.7
申请日：2022-03-02
Applicant: 哈尔滨工程大学
IPC: G06V20/05 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 一种考虑深度学习模型健壮性的水下目标分类的方法，本发明为了解决现有深度学习模型对水下目标分类准确率低的问题，它包括利用训练好的原始模型对采集的水下目标数据训练集进行预测得到所有分类正确样本的集合和所有分类错误样本的集合；将所有分类错误样本的集合输入训练好的原始模型内，对分类错误样本的特征进行聚类和特征补偿，得到分类错误样本的特征补偿；将特征补偿输入训练好的原始模型内得到特征补偿后的原始模型；将水下目标数据训练集输入特征补偿后的原始模型内，输出分类错误的样本；建立对抗训练模型，得到训练好的对抗训练模型；将对抗训练模型与特征补偿后的原始模型加权组合生成深度学习模型；属于水下目标分类领域。
-
公开(公告)号：CN115860104A
公开(公告)日：2023-03-28
申请号：CN202211386351.1
申请日：2022-11-07
Applicant: 哈尔滨工程大学
Abstract: 基于不确定性感知分层强化学习的迷宫导航策略学习方法，为了解决迷宫导航的分层强化学习训练阶段存在诸多不确定因素，导致分层强化学习的高层策略训练不稳定，使智能体决策准确率较低的问题，确定迷宫导航分层强化学习中影响高层策略训练稳定性的因素；获取迷宫导航的训练数据集；利用训练数据集对构建的动作不确定性估计网络进行训练，输入迷宫导航中智能体的状态和任务目标，输出伪子目标，得到训练好的动作不确定性估计网络；利用伪子目标约束分层强化学习高层策略的训练过程，得到子目标；利用子目标约束分层强化学习低层策略的训练过程，得到智能体的动作，计算低层策略的期望最大化平均奖励回报，回报值越大，迷宫导航策略学习越成功。
-
公开(公告)号：CN114510945A
公开(公告)日：2022-05-17
申请号：CN202210157121.1
申请日：2022-02-21
Applicant: 哈尔滨工程大学
IPC: G06F40/295 , G06N3/04
Abstract: 基于偏旁特征嵌入的中文命名实体识别网络模型，涉及自然语言处理与中文命名实体识别领域。解决了现有中文命名实体识别算法的语义识别的准确率和F值低的问题。将字符拆分成其偏旁构成的形式，将其映射为偏旁特征向量、并与单词特征向量和字符特征向量，组合后输入到Bi‑LSTM编码层中进行编码中，编码后的特征经CRF解码层解码后得到输入文本的命名实体标签，从而实现对中文命名实体的识别。本发明主要用于对中文命名实体进行识别。
-
公开(公告)号：CN113962303A
公开(公告)日：2022-01-21
申请号：CN202111227231.2
申请日：2021-10-21
Applicant: 哈尔滨工程大学
Abstract: 基于密度融合的水下试验环境反演方法及系统，属于水声技术领域。本发明为了解决现有的匹配场反演比较复杂的问题以及声速剖面往往不能直接求解得到唯一解的问题。本发明首先将将环境特征输入OneHot和Embedding网络得到高维特征向量，然后根据环境特征和深度信息得到融合特征矩阵，将融合特征矩阵输入残差网络模型得到对应的环境剖面信息数据，从而实现试验环境反演。主要用于水下试验环境的反演。
-
Patent Agency Ranking
公开(公告)号：CN118967482A
公开(公告)日：2024-11-15
申请号：CN202411151068.X
申请日：2024-08-21
Applicant: 哈尔滨工程大学
Abstract: 一种法兰点云数据处理及融合技术，属于工业生产技术领域。本发明解决了现有技术识别法兰中心线准确性、可靠性不高的问题。本发明以点云数据为基础，通过预处理技术、数据融合技术和RANSAC算法的应用，对噪声和干扰数据的处理能力得到显著提升，能够更精确地识别法兰的中心线，从而提高了法兰装配过程的准确性和可靠性，提升了装配效率，降低了生产成本，使装配过程中的自动化程度得到显著提升。
-
公开(公告)号：CN114547418B
公开(公告)日：2024-10-22
申请号：CN202210180955.4
申请日：2022-02-25
Applicant: 哈尔滨工程大学 , 中国船舶重工集团公司第七一四研究所
IPC: G06F16/951 , G06F30/27 , G06N3/0442
Abstract: 基于疲劳仿真模型的拟人爬虫方法，涉及信息获取领域。解决了现有爬虫方法，爬取效率低的问题。本发明方法包括：S1、利用m个个体均对任意目标网站下的n个目标文章依次进行采集，获得初始数据集；S2、对初始数据集进行预处理；S3、构建疲劳仿真模型；S4、将预处理后的数据集划分为两部分，一部分作为训练集，另一部分作为验证集；利用训练集对疲劳仿真模型进行训练，获得训练后的疲劳仿真模型；S5、利用验证集和训练后的疲劳仿真模型，获得进行当前爬虫任务所需的休眠时间间隔后，将休眠时间间隔与爬虫程序进行整合，获得整合后的爬虫程序，再利用整合后的爬虫程序进行网络爬虫，从而实现拟人爬虫。主要用于信息采集。
-
公开(公告)号：CN115035912B
公开(公告)日：2024-04-26
申请号：CN202210644380.7
申请日：2022-06-08
Applicant: 哈尔滨工程大学
IPC: G10L25/30 , G06N3/0464 , G10L25/03 , G10L25/18
Abstract: 基于MOC模型的水声信号样本自动标注方法，具体涉及一种基于MOC模型的水下声音信号样本的自动标注方法，本发明为解决传统水声信号样本标注采用人工方法，不仅费时费力，经济效益低，还受专业性限制，标注准确性低的问题，它包括采集水声信号作为样本，利用声学模型计算所述水声信号样本的声学特征；建立MOC模型，MOC模型依次包括卷积层一、优选卷积残差层、卷积层二、注意力机制层、全连接层和分类层，将水声信号样本的声学特征输入MOC模型内进行训练，输出已标注的水声信号样本，直到loss收敛，得到训练好的MOC模型；将待标注的水声信号样本上述操作，得到已标注的水声信号样本。属于水下声音信号标注领域。
-
公开(公告)号：CN114580478A
公开(公告)日：2022-06-03
申请号：CN202210203998.X
申请日：2022-03-02
Applicant: 哈尔滨工程大学
Abstract: 一种基于神经网络的环境参数确定方法，具体涉及一种基于神经网络的水下环境各参数的确定方法，本发明为了解决现有采取LPCC特征提取方法或MFCC特征提取方法获取水下环境参数的准确率低的问题，它包括S1、采集各时段的水下目标辐射噪声及对应的环境参数，将水下目标辐射噪声分为低频信号和高频信号；S2、对采集的各时段的水下目标辐射噪声进行预处理；S3、建立网络模型，将S2中预处理后的各时段的水下目标辐射噪声及对应的环境参数输入网络模型中进行训练，直到loss损失不变，得到训练好的网络模型；S4、采集待确定环境参数的水下目标辐射噪声，经过S2的预处理后，输入S3中得到的训练好的网络模型内，得到环境参数。属于环境参数确定领域。
-
公开(公告)号：CN114548180A
公开(公告)日：2022-05-27
申请号：CN202210175705.1
申请日：2022-02-24
Applicant: 哈尔滨工程大学
Abstract: 基于特征强化模型的特征提取方法，涉及水下声音特征提取技术领域，针对现有技术中对特征进行集成的时候会丢失特征位置信息的问题，步骤一：设定损失阈值，然后获取训练数据集，并利用训练数据集训练卷积神经网络，当卷积神经网络误差小于等于损失阈值时，提取卷积神经网络池化后的特征矩阵；步骤二：对特征矩阵进行仿射变换；步骤三：针对仿射变换后的特征矩阵，将特征矩阵中局部位置的抗特征变化能力进行加强，得到特征矩阵N；步骤四：将特征矩阵N输入到卷积神经网络的全连接层中再次训练，得到最终特征。本申请有效的解决了现有技术中对特征进行集成的时候会丢失特征位置信息的问题。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.026 seconds)
