-
公开(公告)号：CN118709018A
公开(公告)日：2024-09-27
申请号：CN202410876707.2
申请日：2024-07-02
Applicant: 大连理工大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/047 , G06N3/08
Abstract: 本发明属于颤振检测领域，提供一种基于注意力表征增强网络的铣削信号颤振检测方法。利用通道注意机制，量化各通道信号与加工状态的权重，依据权重重构信号，实现通道尺度的信号注意力表征增强；设计BSR block信号特征提取模块，利用贝叶斯变分注意力和层归一化机制，引导模型关注与颤振检测相关性强的局部信号时段，实现时间尺度的信号注意力表征增强；构建注意力表征增强网络模型，利用多通道铣削信号和状态标签组，对网络模型进行训练；将加工多通道信号输入到训练完成的网络模型中，实现对颤振信息的注意表征增强和颤振检测。
-
公开(公告)号：CN117564746A
公开(公告)日：2024-02-20
申请号：CN202311557638.0
申请日：2023-11-22
Applicant: 大连理工大学
Abstract: 本发明公开了一种具有接触界面信息感知功能的刚柔耦合镜像支撑装置，属于薄壁构件加工技术领域。该装置包括支撑底座组件、支撑头和传感集成模块。支撑底座组件通过外圆安装面与镜像加工装备连接，内圆面与支撑头连接，并由支撑气缸提供支撑作动力，保证支撑头稳定的轴向运动和支撑刚度的调节；支撑头为各传感器提供安装空间与走线引导，前端安装有刚、柔环，为薄壁构件提供可靠支撑；传感集成模块集测法矢、测力和测厚功能于一体，实现对支撑界面力/位信息以及剩余壁厚的综合感知。本发明布置紧凑，支撑面积大、刚度好，并能实现支撑界面信息综合感知。
-
公开(公告)号：CN117520680A
公开(公告)日：2024-02-06
申请号：CN202311371952.X
申请日：2023-10-23
Applicant: 大连理工大学
IPC: G06F16/957 , G06N20/00
Abstract: 本发明提供了一种联邦忘却赋能的个性化边缘缓存方法，属于边缘计算领域。本发明所述方法可以消除非独立同分布数据和无效数据带来的影响。本发明设计了一种个性化联邦学习方案来保留不同用户的潜在特征，以解决由于非独立同分布数据的权重差异导致模型不收敛的问题。为了克服个性化联邦学习案在处理无效数据方面的局限性，本发明设计了一种联邦忘却算法，消除了无效数据对模型的影响，准确地为用户提供了当前流行的内容缓存服务，从而进一步提高了缓存性能，实现缓存性能的大幅度提升，并显著减少服务延迟。
-
公开(公告)号：CN115129887A
公开(公告)日：2022-09-30
申请号：CN202210667968.4
申请日：2022-06-14
Applicant: 大连理工大学
IPC: G06F16/36 , G06F16/335
Abstract: 本发明提供了一种基于频繁模式挖掘的边缘缓存知识图谱划分方法，属于数据处理技术领域。本发明利用查询图中挖掘出的频繁查询模式，对初始知识图谱进行着色，通过改进交换算法将知识图谱划分成不同颜色区域，使划分后的知识图谱在满足最小切割边的同时符合边缘缓存大小。在用户下一次访问时，可以快速响应出周围所需服务场景的信息，实现接近最优的缓存性能。本发明将知识图谱合理部署到边缘服务器中，使得周围用户可以快速获取所需信息，大大减少了从云端获取数据的回程压力，为用户提供更好的交互体验。
-
公开(公告)号：CN114386574A
公开(公告)日：2022-04-22
申请号：CN202210012614.6
申请日：2022-01-07
Applicant: 大连理工大学
IPC: G06N3/04 , G06N3/06 , G06N3/08 , G16B40/00 , C12Q1/6844
Abstract: 本发明提出了一种基于工程DNA链置换模拟电路的新型神经网络，该神经网络由催化反应模块、降解反应模块以及调节反应模块构成，并具有类似于误差反向传播型神经网络，即BP型神经网络的框架结构，可分为输入层、隐藏层和输出层三部分。与BP型神经网络不同的是，该神经网络的学习能力并不依赖于某种算法，而是结合DNA链置换的反应特点，依靠反应网络的动力学自适应性，在DNA链置换反应达到动态平衡时，实现权值的更新，并使该神经网络具有监督式学习的能力，可对标准二次型函数进行拟合。
-
Patent Agency Ranking
公开(公告)号：CN112348075A
公开(公告)日：2021-02-09
申请号：CN202011206336.5
申请日：2020-11-02
Applicant: 大连理工大学
Abstract: 本发明属于多模态情感计算、深度学习领域，涉及一种基于情景注意力神经网络的多模态情感识别方法。通过本发明方法，针对情感多模态信息进行特征提取和基于注意力机制的特征融合操作，能够有效提取各模态之间的相互作用，然后将得到的特征向量送入神经网络。通过神经网络中嵌入的情景注意力模块来挖掘说话人个人情感依赖特征和全局对话情景特征在空间和通道上的关联性，达到更优的分类效果，更好地针对对话中目标说话人进行情感分析并做出情绪状态判断。
-
公开(公告)号：CN114926719B
公开(公告)日：2024-06-14
申请号：CN202210579395.X
申请日：2022-05-26
Applicant: 大连理工大学
IPC: G06V10/80 , G06V10/143
Abstract: 本发明提供了一种基于超图低秩表示的复杂动态系统感知特征融合方法，属于复杂动态系统感知研究技术领域。本发明通过在潜在低秩表示算法中添加超图拉普拉斯正则项来获取感知模态数据高阶关系，能够有效地把握不同模态数据间的高阶关系及互补性信息，潜在低秩表示有效的去噪能力避免了无效信息干扰，从而更好地提升复杂动态系统的数据分析决策能力；同时，对获取的多模态数据进行了特征融合后再传递，降低了相互间的通讯传输成本。
-
公开(公告)号：CN114564731B
公开(公告)日：2024-06-04
申请号：CN202210184031.1
申请日：2022-02-28
Applicant: 大连理工大学
Abstract: 本发明提供了一种基于横向联邦学习的智能风电场风况预测方法，属于深度学习技术领域。本发明在能够解决结合多风电场预测过程中所涉及的数据安全问题的同时，能够取得更为优异的训练效果，在训练过程能够充分利用过去的经验；本发明在即使参与者可靠性较低情况下，准确率仍能够保证；并且本发明提供的基于AutoEncoder的数据降维方法能够减少数据计算量，大幅提高运行速度。本发明在部署上相对简单，只需各个风电场将数据暴露在特定端口，模型能即拿即用。
-
公开(公告)号：CN116485430A
公开(公告)日：2023-07-25
申请号：CN202310414143.6
申请日：2023-04-18
Applicant: 大连理工大学
IPC: G06Q30/0201 , G06N20/00 , G06F18/213 , G06Q30/0283 , G06F21/62
Abstract: 本发明公开了一种面向数据流通的联邦学习忘却机制及方法，属于深度学习技术领域。该方法使用联邦学习技术实现数据的隐式流通，并基于Shaply值对市场中的数据贡献者进行奖励与惩罚分配，同时还运用联邦学习忘却算法实现数据交易过程中的撤销。本发明解决了数据流通交易过程中存在的数据确权难、交易定价难、隐私保护难、流通交易难等问题。
-
公开(公告)号：CN115713213A
公开(公告)日：2023-02-24
申请号：CN202211480715.2
申请日：2022-11-24
Applicant: 大连理工大学
IPC: G06Q10/0631 , G06Q10/10
Abstract: 本发明提出了一种基于人机协同的群智任务分配方法，属于群智感知技术领域。该方法引入城市中大量移动用户、车辆和可移动的无人车共同来完成用户提交的任务，通过分析机会主义用户和机会主义车辆的历史路线预测未来的移动路线，设计双向期望值匹配算法进行任务分配；通过反向拍卖机制竞拍参与式用户的任务标书进行任务分配；通过聚类方法对剩余未分配的任务进行聚类，将无人车分配到距离其最近的簇中，依次分配给无人车距离最近的任务。本发明充分利用了城市中各类可移动资源，有效克服了单个体感知存在的局限性，提高了感知任务完成率，节约了感知任务完成的成本，能够更好地适应城市中丰富多样的感知任务请求。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.033 seconds)
