-
公开(公告)号：CN117076992A
公开(公告)日：2023-11-17
申请号：CN202311332419.2
申请日：2023-10-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 中冶建筑研究总院有限公司
IPC: G06F18/24 , G06F30/23 , G06F18/2136
Abstract: 本发明提供了一种基于信号处理的结构构件损伤检测方法及系统，通过预先构建出损伤特征字典矩阵，将各位置上表达各种损伤程度的振动数据频域值预先表达出来，然后将采集的振动信号进行稀疏表达向量，利用数学方法将结构动力响应转换到稀疏域进行损伤的识别。本申请将结构测量问题转化为特征识别问题，通过计算最小化残差，使特征向量的稀疏表达向量尽可能的与采集信号的特征向量一致，再将残差最小的稀疏表达向量映射到结构构件的损伤特征字典矩阵，从而判别得到结构构件的损伤情况。使用本方法可以规避现有技术的缺陷，快速准确识别出结构损伤的位置损伤类型、位置和程度，具有信息需求少、抗噪声强、计算高效的优点。
-
公开(公告)号：CN117076992B
公开(公告)日：2024-01-19
申请号：CN202311332419.2
申请日：2023-10-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 中冶建筑研究总院有限公司
IPC: G06F18/24 , G06F30/23 , G06F18/2136
Abstract: 本发明提供了一种基于信号处理的结构构件损伤检测方法及系统，通过预先构建出损伤特征字典矩阵，将各位置上表达各种损伤程度的振动数据频域值预先表达出来，然后将采集的振动信号进行稀疏表达向量，利用数学方法将结构动力响应转换到稀疏域进行损伤的识别。本申请将结构测量问题转化为特征识别问题，通过计算最小化残差，使特征向量的稀疏表达向量尽可能的与采集信号的特征向量一致，再将残差最小的稀疏表达向量映射到结构构件的损伤特征字典矩阵，从而判别得到结构构件的损伤情况。使用本方法可以规避现有技术的缺陷，快速准确识别出结构损伤的位置损伤类型、位置和程度，具有信息需求少、抗噪声强、计算高效的优点。
-
公开(公告)号：CN111475615B
公开(公告)日：2023-06-20
申请号：CN202010168893.6
申请日：2020-03-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/33 , G06F18/214 , G06Q50/00
Abstract: 本发明提供了一种情感增强的细粒度情感预测方法，包括执行以下步骤：步骤1：根据方面词语或属性的特性对数据进行扩建；步骤2：结合对抗训练构造细粒度情感分析对抗网络模型，并且通过共享特征提取器提取所有训练样本的共通情感特征；步骤3：将提取到的共通情感特征和特定方面的情感特征相结合来构造对抗训练多任务学习网络框架，协助模型对数据样本缺乏文本进行细粒度情感识别。本发明的有益效果是：1.本发明所提出的对抗训练多任务学习框架能通过特征提取器和判别器共同学习提取到的共享特征来协助细粒度情感分类模型对输入文本进行细粒度情感预测；2.本发明基于这种对抗训练和多任务学习方法，可以增强数据集不同方面的情感特征表示。
-
公开(公告)号：CN111475615A
公开(公告)日：2020-07-31
申请号：CN202010168893.6
申请日：2020-03-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种情感增强的细粒度情感预测方法，包括执行以下步骤：步骤1：根据方面词语或属性的特性对数据进行扩建；步骤2：结合对抗训练构造细粒度情感分析对抗网络模型，并且通过共享特征提取器提取所有训练样本的共通情感特征；步骤3：将提取到的共通情感特征和特定方面的情感特征相结合来构造对抗训练多任务学习网络框架，协助模型对数据样本缺乏文本进行细粒度情感识别。本发明的有益效果是：1.本发明所提出的对抗训练多任务学习框架能通过特征提取器和判别器共同学习提取到的共享特征来协助细粒度情感分类模型对输入文本进行细粒度情感预测；2.本发明基于这种对抗训练和多任务学习方法，可以增强数据集不同方面的情感特征表示。
-
-
-
Search Results
4
records
(took 0.049 seconds)
