-
公开(公告)号：CN116434880A
公开(公告)日：2023-07-14
申请号：CN202310204380.X
申请日：2023-03-06
Applicant: 哈尔滨理工大学
IPC: G16C60/00 , G06F18/2321
Abstract: 本发明提供一种基于模糊自洽式聚类集成的高熵合金硬度预测方法，属于合金硬度预测技术领域。为解决现有方法无法有效避免类簇标签值的大小对对象间关系的影响，共识结果很难准确地映射出基聚类结果间的实际差异，且处理不确定性关系的能力较弱的问题。本发明方法将基聚类结果作为样本点特征，将基聚类结果采用缩放的哑变量的形式表示；采用模糊算子构建所有样本点的关系矩阵；基于关系矩阵计算各样本点的局部密度和相对距离，以识别聚类中心和分配非中心点，并构建再分配策略对共识聚类结果中的不确定性样本点进行修正。本发明消除了基聚类结果间划分差异的影响，从模糊算子的角度审视对象间的模糊关系，有效地提升对模糊关系的处理能力。
-
公开(公告)号：CN115691700A
公开(公告)日：2023-02-03
申请号：CN202211397847.9
申请日：2022-11-09
Applicant: 哈尔滨理工大学
IPC: G16C20/30 , G06F18/2321
Abstract: 本发明提供一种基于三种共识策略的双粒度聚类集成算法的高熵合金硬度预测方法，涉及合金硬度预测技术领域，为解决现有技术中采用单一聚类方法不能同时适用于不同分布特征的数据集，即使在同一种数据分布下往往也不能达到稳定、统一的聚类效果的问题。本发明将高熵合金数据集X＝{x1，x2，...，xN}∈Rh利用聚类算法生成基聚类组合Π＝{π1，π2，...，πM}；将给定的共识函数嵌入到选择策略，去除基聚类集合中的噪声成员，并计算得到的基聚类组合的共识结果，采用可调DS证据理论共识策略将去除噪声成员后得到的共识结果进行融合，得到不同类簇的最终划分结果；将不同类簇各自建立回归模型进行硬度预测计算。本发明采用的聚类方法能够提取多个基聚类信息，实现更好性能的聚类结果。
-
公开(公告)号：CN115394381A
公开(公告)日：2022-11-25
申请号：CN202211015507.5
申请日：2022-08-24
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法及装置，属于合金硬度预测领域。为解决现有技术对高熵合金硬度进行预测时往往因数据不足而进行数据扩充，其数据扩充方法无法保证生成数据的质量，不利于提高高熵合金的硬度预测准确度的问题。包括：步骤一、构建高熵合金物理特征与硬度的原始训练集；步骤二、构建GAN神经网络模型，对原始训练集特征进行扩充；步骤三、构建机器学习模型，将扩充特征数据集的特征生成标签，得到扩充训练集；步骤四、将扩充训练集与原始训练集构建合并训练集；步骤五、采用合并训练集对机器学习模型进行调参并训练，得到高熵合金硬度模型。通过本发明方法得到高熵合金硬度模型具有更高的准确性。
-
公开(公告)号：CN114613456A
公开(公告)日：2022-06-10
申请号：CN202210221449.5
申请日：2022-03-07
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种基于改进密度峰值聚类算法的高熵合金硬度预测方法，属于合金硬度预测领域。为了解决高熵合金数据集数据结构差异较大，采用传统的回归模型直接对整个高熵合金数据集的硬度进行预测，不能较好的学习到高熵合金数据集的内部结构特征，导致预测能力较差的问题。本发明包括以下步骤：1、针对原始的密度峰值聚类算法进行改进得到改进密度峰值聚类算法，称为SKTDPC算法；步骤1‑1、基于K‑d树加速局部密度的计算；步骤1‑2、通过稀疏搜索策略加速相对距离的计算；步骤1‑3、聚类中心的自适应确定；步骤2、依据改进密度峰值聚类算法对高熵合金硬度进行预测；本发明改进密度峰值聚类算法进行了双重加速，降低了算法的复杂度。
-
公开(公告)号：CN112802563A
公开(公告)日：2021-05-14
申请号：CN202110067791.X
申请日：2021-01-19
Applicant: 哈尔滨理工大学
Abstract: 一种基于机器学习的二维过渡金属硫化物带隙和能带结构预测方法及装置，涉及过渡金属硫化物性能预测领域，用以解决不同的机器学习模型由于没有选择合适的特征而影响层状材料的性能预测精度的问题。本发明技术要点包括将材料属性电负性、第一电离势和原子半径作为预测带隙和能带结构的特征向量，并按照原子属性和结构属性设计多种特征组合；根据不同机器学习模型在多种特征组合中挑选对应的最优特征组合；将最优特征组合输入其对应的机器学习模型进行模型训练，分别获取带隙预测模型和能带结构预测模型；根据带隙预测模型和能带结构预测模型对未知的二维过渡金属硫化物带隙和能带结构进行预测。本发明可用于进一步研究层状材料性能参数的预测。
-
Patent Agency Ranking
公开(公告)号：CN112507543A
公开(公告)日：2021-03-16
申请号：CN202011397750.9
申请日：2020-12-04
Applicant: 哈尔滨理工大学
IPC: G06F30/20 , G06F119/08
Abstract: 本发明涉及基于元胞自动机的BGA锡铅焊球快速凝固过程模拟方法。本发明充分考虑了锡铅焊球的球状边界形貌，溶质守恒条件，液滴表面的散热速率以及液滴内部固液界面处凝固潜热释放对锡铅液滴整体温度的影响。通过初始化模块、外围散热模块、生长模块、扩散模块、转变模块模块在每一时间步长内的循环，利用界面响应方程精确求解界面速度，考虑非常数的平衡分配系数和高过冷度的无容器凝固条件，给出更加精确的元胞自动机方法模拟BGA锡铅焊球快速凝固过程。
-
公开(公告)号：CN215182115U
公开(公告)日：2021-12-14
申请号：CN202121614214.X
申请日：2021-07-14
Applicant: 哈尔滨理工大学
Abstract: 本实用新型提供一种基于FPGA的NVDLA人工智能芯片硬件系统，用于解决现有技术的开源加速器仅针对ASIC，使用较为繁琐的缺陷，系统包括：存储模块、主控模块、加速模块和总线，其中，存储模块、主控模块、加速模块、电源模块、晶振模块和总线，其中，存储模块、主控模块以及加速模块均能通过总线进行数据的发送和接收；主控模块和所述加速模块均设置在FPGA芯片上；所述电源模块与FPGA和存储模块均连接；晶振模块外接于FPGA芯片上。本实用新型将加速器部署到FPGA上来实现，既体现了FPGA可重构的特点，也体现了FPGA可并行快速运算的特点。本实用新型适用于卷积神经网络在移动端的应用。
-
公开(公告)号：CN208367475U
公开(公告)日：2019-01-11
申请号：CN201820284376.3
申请日：2018-02-28
Applicant: 哈尔滨理工大学
IPC: G05B19/042 , H04N5/225
Abstract: 本实用新型公开了一种基于FPGA的视觉融合装置，它涉及集成电路技术领域；外壳内边缘的四角处均设置有安装孔槽，外壳的内部安装有FPGA集成电路板，外壳的外侧壁上开设有四个安装孔，激光发射器、激光接收器、激光摄像头、视频摄像头分别安装在FPGA集成电路板上，激光发射器按照激光光路依次设有激光光源、准直整形器、扫描镜；所述FPGA集成电路板的控制芯片的两侧均设置有弧形集热片，弧形集热片通过散热管连接散热机构，且散热机构与安装在外壳上的散热栅栏相配合；本实用新型能实现集成式控制，节省空间，且提高了散热性，使用方便，操作简便，效率高。
-
公开(公告)号：CN202938894U
公开(公告)日：2013-05-15
申请号：CN201220751298.6
申请日：2012-12-21
Applicant: 哈尔滨理工大学
IPC: G01G21/00
Abstract: 本实用新型涉及一种过量程保护电子秤，包括秤盘、称重传感器单元、信号采集转换单元、MCU控制单元、显示/输入/报警单元和过量程保护单元，称重传感器单元与秤盘机械连接，称重传感器单元与信号采集转换单元电信号连接，显示/输入/报警单元包括LCD液晶显示电路、按键输入电路和声光报警电路，MCU控制单元分别与信号采集转换单元、LCD液晶显示电路、按键输入电路、声光报警电路、过量程保护单元电信号连接。本实用新型的体积小，功耗低，操作直观，能够实时显示当前重量和剩余测量重量，确保了电子秤的精度，提高了结果的准确性，防止电子秤损坏。
-
公开(公告)号：CN204303777U
公开(公告)日：2015-04-29
申请号：CN201520050418.3
申请日：2015-01-23
Applicant: 哈尔滨理工大学
IPC: H01L21/67
Abstract: 一种贴片机，本实用新型涉及一种贴片机，本实用新型为了解决现有技术中使用滚筒技术和使用弹性体将待切割的工件固定在胶布上时，容易造成胶布和晶圆之间产生气泡不能贴合，以及造成胶布和晶圆之间固定效果不理想的问题，所述贴片机包括支架、液压缸、电机、齿轮、导向杆、倒锥形块、固定框、工作台、外框、治具框、液压泵、四个L型移动块、四个移动块导向柱和四个弹簧，本实用新型用于贴片机领域中。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.017 seconds)
