公开(公告)号：CN103515444A

公开(公告)日：2014-01-15

申请号：CN201310457114.4

申请日：2013-09-24

Applicant: 哈尔滨工程大学

Inventor： 王颖 ,  张越 ,  曹菲 ,  胡海帆

IPC: H01L29/78 ,  H01L29/417 ,  H01L29/47

CPC classification number: H01L29/7827 ,  H01L29/47

Abstract: 本发明提供了一种槽栅功率MOS器件，该器件包括：P体区和源极金属，其中，所述源极金属和所述P体区直接接触形成肖特基。通过上述结构，降低了器件内部寄生双极晶体管的作用。在保证本发明器件的基本电学特性与现有技术中的MOS器件相当的前提下，该结构可以有效的降低单粒子烧毁效应的发生。

公开(公告)号：CN116579918A

公开(公告)日：2023-08-11

申请号：CN202310567199.5

申请日：2023-05-19

Applicant: 哈尔滨工程大学

Inventor： 王兴梅 ,  李孟昊 ,  杨东梅 ,  张天姿 ,  陈伟京 ,  张越

IPC: G06T3/00 ,  G06V10/52 ,  G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及基于风格无关判别器的注意力机制多尺度图像转换方法，包括：构建基线的多尺度图像转换模型，在基线的多尺度图像转换模型中引入注意力机制，构建基于注意力机制的多尺度图像转换模型；基于注意力机制的多尺度图像转换模型，结合风格无关判别器，构建基于风格无关判别器的注意力机制多尺度图像转换模型；获取水下图像，将水下图像输入基于风格无关判别器的注意力机制多尺度图像转换模型中，输出转换后的水下图像，完成水下图像的转换。本发明提出的基于风格无关判别器的注意力机制多尺度图像转换方法，能生成细节更丰富的水下图像，具有很好的转换效果。

公开(公告)号：CN114973061B

公开(公告)日：2023-06-23

申请号：CN202210434179.6

申请日：2022-04-24

Applicant: 哈尔滨工程大学

Inventor： 杨东梅 ,  李泽 ,  李昊垚 ,  张祺 ,  张越 ,  张立国 ,  董宇欣

IPC: G06V20/40 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于深度学习方法的辅助抗沉决策模型生成方法及系统，属于抗沉辅助决策技术领域，其该方法包括：获取预设船舶的舱室区域标号数据和浸水实验数据包括总时间、每个舱室的灌满时间以及浸水视频；将每个舱室的浸水视频进行逐帧处理，得到多个图片以及每张图片对应的时间，并将多个图片以及每张图片对应的时间分成两个部分，第一部分将其顺序打乱，并划分为训练、测试集，第二部分以时间轴为顺序排列；将训练集输入卷积神经网络中进行训练，并将第二部分图片输入训练好的卷积神经网络中，得到向量化数据；将舱室区域标号和向量化数据输入循环神经网络中进行训练，得到辅助抗沉决策模型。该方法提高了抗沉辅助决策的速度以及合理程度。

公开(公告)号：CN112511474B

公开(公告)日：2022-05-17

申请号：CN202011351885.1

申请日：2020-11-26

Applicant: 哈尔滨工程大学

Inventor： 王勇 ,  赵广荣 ,  沈益冉 ,  张越 ,  王天一 ,  辛显楠

IPC: H04L25/49 ,  H04L25/03 ,  H04B13/00 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明是一种基于卷积神经网络和迁移学习的智能设备振动通信方法。本发明涉及物联网振动通信技术领域，本发明对智能设备的发送端进行振动信号的比特流分组调制发送；对智能设备的接收端采用信标位检测算法确定振动起点；对三轴加速度计信号进行主成分特征提取，去除信号噪声；对主成分分析特征提取后的加速度信号进行卷积神经网络解码，得到比特位组对应的符号标签；当通信环境发生改变时，进行迁移学习，提高振动信号识别准确率。本发明采用的比特流分组编码结合卷积神经网络解码的方式无需关心组内符号间干扰对传输准确率影响，能加快振动通信速率。相对于振幅调制和频率调制技术，本发明能被当前各种商业化智能设备所通用。

公开(公告)号：CN119538772A

公开(公告)日：2025-02-28

申请号：CN202411558359.0

申请日：2024-11-04

Applicant: 哈尔滨工程大学

Inventor： 杨东梅 ,  李泽 ,  崔艳松 ,  王兴梅 ,  张越 ,  张万松

IPC: G06F30/28 ,  G06F30/27 ,  G06F30/15 ,  G06N3/045 ,  G06N3/084 ,  G06F119/14 ,  G06F113/08

Abstract: 基于自适应物理神经网络的舱室浸水流场预测方法和装置，涉及神经网络在复杂流场预测领域。解决了现有技术中舱室浸水流场具有高度的非线性和动态变化，自由液面水动力现象复杂且难以预测的问题。所述方法包括：构建低速流场的船舶模型；将将船舶舱室模型导入STAR‑CCM+软件进行流体仿真，并生成流场的网格数据；对所生成的流场的网格数据按时间步进行处理；将处理后的网格数据通过Pytorch框架进行处理与保存，构建用于神经网络训练的数据集；使用Pytorch框架对神经网络训练的数据集进行动态训练；上述步骤用于舱室浸水流场预测，完成基于自适应物理神经网络的舱室浸水流场预测。适用于舱室浸水流场的自适应领域。

公开(公告)号：CN102702515A

公开(公告)日：2012-10-03

申请号：CN201210168862.6

申请日：2012-05-28

Applicant: 哈尔滨工程大学

Inventor： 陈玉金 ,  王铁石 ,  俞海龙 ,  张越 ,  王青山 ,  高新明 ,  李丽 ,  朱春玲

IPC: C08G73/02 ,  C08K3/04 ,  C09D179/02 ,  C09D5/32

Abstract: 本发明提供的是一种吸收高频电磁波的石墨烯与聚苯胺纳米复合材料及制法和应用。（1）将0.015克石墨烯加入100毫升1摩尔/升的盐酸溶液中，待超声分散后在零下5摄氏度下进行充分搅拌；（2）将0.1-0.4毫升苯胺和0.125-0.5克过硫酸铵分别滴入100毫升1摩尔/升的盐酸溶液中，待溶解后将两溶液混合，当混合液的温度降到零下5摄氏度时将其倒入步骤（1）得到的溶液中进行搅拌；（3）将所获得的沉淀物用乙醇和去离子水清洗，并在真空环境下40℃干燥24小时，得到吸收高频电磁波的石墨烯与聚苯胺纳米复合材料。该材料用于制备吸收电磁波的涂料。具有良好的电磁波吸收特性；操作简单、应用广泛，适合于工业化生产。