-
公开(公告)号：CN111738298B
公开(公告)日：2023-09-12
申请号：CN202010461049.2
申请日：2020-05-27
Applicant: 哈尔滨工业大学
IPC: G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深宽可变多核学习的MNIST手写数字数据的分类方法。步骤1：MNIST手写数字数据集的准备；步骤2：数据集分类的算法结构；步骤3：将步骤2的DWS‑MKL算法使用SVM作为分类器进行数据第一次分类；步骤4：将步骤3中将数据进行第一次分类后，进行核参数学习；步骤6：利用上述步骤进行数据训练；步骤7：使用步骤6训练获得的分类模型处理测试集数据并获得算法的分类准确率。本发明充分发挥核方法的非线性映射能力，根据数据灵活改变结构并使用leave‑one‑out误差界优化参数，提高了方法的分类准确率。
-
公开(公告)号：CN115861765A
公开(公告)日：2023-03-28
申请号：CN202211439778.3
申请日：2022-11-17
Applicant: 哈尔滨工业大学
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06N3/045 , G06N3/0499 , G06N3/088 , G06N3/096
Abstract: 基于无监督蒸馏网络的学生网络获取方法、图像分类模型获取方法、图像分类方法，涉及神经网络加速领域。针对现有技术中无监督训练方法面对大网络性能较好，在小网络上则不能保证训练的精度，除了预训练教师网络外，还会构造一个样本库来实现损失函数，限制了网络在边缘端的更新的问题，本发明提供了：基于无监督蒸馏网络的学生网络获取方法，包括：采集图像作为数据集；根据数据集，得到两个增广；两个增广分别通过教师网络和学生网络，得到教师网络的投影值和预测值和学生网络的投影值和预测值；根据教师网络的投影值和预测值和学生网络的投影值和预测值，更新教师网络和学生网络；输出当前学生网络，作为结果。适合应用于边缘计算场景。
-
公开(公告)号：CN111709522B
公开(公告)日：2022-08-02
申请号：CN202010436453.4
申请日：2020-05-21
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于服务器‑嵌入式协同的深度学习目标检测系统。服务器端包括知识库、训练模型、测试结果统计分析和计算资源监控模块，知识库包括数据管理模块，训练模型包括深度学习网络训练模块和模型压缩模块，测试结果统计分析包括模型测试模块，计算资源监控模块用于对系统的CPU、GPU资源进行实时监控，便于用户根据实际情况合理利用计算资源；嵌入端包括主控制器ARM和协处理器FPGA，主控制器ARM负责外部图像输入、图像预处理、NMS算法、叠加检测信息和图像输出任务；协处理器FPGA负责深度网络推理中的卷积层、捷径层和上采样层加速。本发明解决现深度学习网络模型由服务器端的训练到嵌入式端的快速部署问题。
-
公开(公告)号：CN114118406A
公开(公告)日：2022-03-01
申请号：CN202111262226.5
申请日：2021-10-28
Applicant: 哈尔滨工业大学 , 中国航天科工集团第二研究院
Abstract: 一种卷积神经网络的量化压缩方法，解决了如何能够在提高压缩比的同时有效保留精度的问题，属于神经网络加速领域。本发明包括：S1、获取卷积神经网络的原始权重张量、输入特征张量以及量化点；S2、将原始权重张量输入至DP结构，DP结构对原始权重张量进行修改，输出修改后的原始权重张量；S3、利用量化点及量化函数对修改后的原始权重张量及除第一层外的原始输入特征张量进行定点量化；利用定点量化后的权重张量和输入特征张量替换原始权值张量和输入特征张量，得到量化后的卷积神经网络；S4、将训练数据输入至量化后的卷积神经网络，计算loss，利用反向传播和梯度下降更新DP结构的参数和原始权重张量，转入S2，进行下一轮，直至训练完成。
-
公开(公告)号：CN111652366A
公开(公告)日：2020-09-11
申请号：CN202010388100.1
申请日：2020-05-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于通道剪枝和量化训练的联合神经网络模型压缩方法。步骤1：稀疏化训练模型；步骤2：训练模型剪枝；步骤3：模型微调；步骤4：对剪枝结束后的模型进行量化，构建常规浮点数计算图；步骤5：在计算图中卷积计算的相应位置插入伪量化模块，在卷积权重处和激活值处插入两个伪量化模块，将权重和激活值量化为8位整型；步骤6：动态量化训练模型直至收敛；步骤7：量化推理；步骤8：最后得到剪枝与量化后的模型。本发明通过剪枝和量化两种技术，在保持模型准确率的情况下，极大地降低模型时间和空间上的消耗。
-
Patent Agency Ranking
公开(公告)号：CN111583592A
公开(公告)日：2020-08-25
申请号：CN202010374572.1
申请日：2020-05-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于多维卷积神经网络的实验环境安全预警方法，采集实验室数据，进行数据预处理，得到归一化样本集，利用多维卷积神经网络对隐藏故障信息进行深度挖掘，随后根据模型的预测分辨结果与所测实验室数据对应的人工标注标签的偏差来调整故障诊断模型内部权重参数，最后对实验室安全预警模型的进行性能测试，使基于多维卷积神经网络的实验室安全预警模型的正确率得到进一步的提升。本发明所得结论准确，可以及时对安全隐患进行发现并预警，阻止安全事故的发生。
-
公开(公告)号：CN111553910A
公开(公告)日：2020-08-18
申请号：CN202010373872.8
申请日：2020-05-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于红外图像的大型实验装置电器设备热故障检测方法，采集电器的红外图像，通过全卷积网络对所述红外图像进行分割识别，确定所述红外图像中的每个电器的类别，以及相应的温度；利用每个电器类别对应的温度阀值与经过全卷积网络识别后的红外图像中相应类别电器的温度相比较，从而确定所测电器设备的温度是否存异常；本发明提供了一种可以实时监控电器设备温度，并进行热故障检测的方法，也保证了图像分割和识别的准确率。
-
公开(公告)号：CN102789545A
公开(公告)日：2012-11-21
申请号：CN201210240981.8
申请日：2012-07-12
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于退化模型匹配的涡轮发动机剩余寿命的预测方法，涉及涡轮发动机剩余寿命预测方法，它为了解决现有涡轮发动机剩余寿命的预测采用通用RUL预测模型的预测效果无法达到预测要求的问题，它包括具体步骤如下：步骤一、数据预处理：从采集到的数据提取运行状态变量；从传感器采集到特征向量；由运行状态变量与特征向量融合得到健康因子；步骤二、建立退化模型库：利用健康因子建立退化模型；多个退化模型组成退化模型库；步骤三、相似性评估：将退化轨迹与模型库中的模型匹配，每个模型给出一个RUL估计；步骤四、RUL融合：根据测试涡轮发动机与模型匹配程度，采用相似度加权，融合得到最终的剩余寿命预测值。适用于涡轮发动机剩余寿命预测。
-
公开(公告)号：CN120044955A
公开(公告)日：2025-05-27
申请号：CN202510207318.5
申请日：2025-02-25
Applicant: 哈尔滨工业大学
Abstract: 一种面向救援任务场景的智能无人车系统，涉及激光雷达建图和自动驾驶、目标检测识别，属于嵌入式人工智能技术领域。本发明是为了解决现有自动化救援机器人无法胜任复杂环境救援场景任务的导航需求、不能实时进行决策以及不具备人机交互功能等问题而提出的。技术要点：激光雷达建图模块：用于感知环境信息转化为地图数据；路径规划模块：根据获取到的地图数据计算出起始点与目标点之间的最优代价路径，并生成运动数据输出至系统；目标检测模块：通过深度相机获取图像数据并识别待检测目标，生成目标的三维坐标数据输出至系统；语音交互模块：用于人机交互中获取外界语音指令，实时控制机器人系统决策。本发明研制出一套能够自动导航、到达目标点后自动扫描周围环境识别目标的自动化机器人嵌入式软件，搭载人工智能的自动化设计使得机器人在面对复杂环境时能够灵活调整决策，提高了无人机器人系统面对不确定环境因素的应变能力。
-
公开(公告)号：CN119937352A
公开(公告)日：2025-05-06
申请号：CN202510099253.7
申请日：2025-01-22
Applicant: 哈尔滨工业大学
IPC: G05B17/02
Abstract: 一种无人集群硬件在环仿真测试与评估系统，涉及无人集群仿真测试与评估领域。解决无人集群的实机测试成本高、虚拟测试不可靠的问题，实现对无人集群性能的加速测试和可靠评估。技术要点：所述测试与评估系统包括虚拟仿真模块、硬件计算模块和可信评估模块；其中虚拟仿真模块主要用于搭建无人集群的任务执行场景并展示无人集群任务执行过程；硬件计算模块用于执行部署的无人集群算法；可信评估模块用于对无人集群算法执行结果进行评估；在虚拟仿真模块中，虚拟无人集群通过传感器感知环境信息并传递给硬件计算模块，部署在硬件计算模块上的无人集群算法基于感知的环境信息进行运算，获得无人集群的动作指令或规划指令并传递给虚拟仿真模块；虚拟仿真模块中的虚拟无人集群通过实时交互，将自身的位置坐标、运动速度等信息以及目标信息传递给可信评估模块，可信评估模块对无人集群算法的执行效果进行评估。用于对硬件计算嵌入程序进行全面测试。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.022 seconds)
