-
公开(公告)号：CN116562391A
公开(公告)日：2023-08-08
申请号：CN202310354445.9
申请日：2023-04-06
Applicant: 哈尔滨工业大学
IPC: G06N20/00
Abstract: 本发明提出了一种适应异构计算资源的联邦学习系统和方法，所述联邦学习方法FedAvg的整个训练系统由N个参与方和1个服务器构成，每个参与方拥有自身数据并进行本地训练，服务器负责汇聚和分发模型，判断参与方的本地计算资源情况，若本地计算资源充足，则基于本地数据进行训练，经过K次本地训练后，将模型发送给服务器；反之，则直接利用历史信息估计本地模型并发送给服务器；服务器收到所有参与方发来的本地模型后进行聚合，然后开始下一轮训练，最终得到即训练完成后得到的模型。
-
公开(公告)号：CN116227349A
公开(公告)日：2023-06-06
申请号：CN202310184465.6
申请日：2023-03-01
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06F113/08 , G06F119/08
Abstract: 一种基于多模态RNN的短临降水预测方法，涉及短临降水预测技术领域，解决的技术问题为“提供一种准确率高的短临降水预测方法”，方法包括：获取雷达图和气象要素图；采用所述雷达图和气象要素图训练多模态模型；采用训练后的多模态预测模型进行降水预测；其中，所述多模态预测模型包括雷达模块和气象要素模块，所述多模态预测模型根据雷达预测图获得短临降水预测结果；该方法以雷达信息为主，以气象要素信息为辅进行降水预测，将两种模态进行融合，提高了短临降水预测的准确率。
-
公开(公告)号：CN114966902A
公开(公告)日：2022-08-30
申请号：CN202210533045.X
申请日：2022-05-16
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于神经网络的降雨量自动估测方法及系统，其中，该方法包括利用算法提取雷达反射率与地面降雨观测站点的时空对应数据；利用神经网络算法对提取的数据进行训练，更新权重，估测降雨量；通过使用加权的损失函数优化神经网络算法，使模型提高对中雨、大雨、暴雨的估测能力；通过各节点权重计算输出，估测得到降雨量具体值；该方法有效解决了现有经验公式在多种假设下推导得出，导致降雨量的估计准确率低，以及对中雨、大雨、暴雨的估测准确率更低的技术问题，满足了自动化的要求，同时提高了降雨量的估测精度。
-
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：CN113220827A
公开(公告)日：2021-08-06
申请号：CN202110463202.X
申请日：2021-04-23
Applicant: 哈尔滨工业大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/289 , G06N20/00 , G06Q50/02 , G06Q50/20 , G06F16/951
Abstract: 本发明提供了一种农业语料库的构建方法及装置，该方法包括：基于农业语料库的标注体系确定标注工具；基于随机选择的农业样本数据进行第一标注培训，得到机器学习模型；基于主动学习选择的农业样本数据进行第二标注培训，得到训练更新的机器学习模型，并得到更新的标注工具；基于主动学习选择的农业样本数据进行正式标注，得到标注数据；基于农业样本数据及其标注数据构建农业语料库。本发明通过主动学习和标注一致性分析，提升了数据标注的成效，并获得大量规范有效的农业标注数据，解决了当前农业语料库数据混乱的问题。同时，以较少的样本集使机器学习模型训练达到较佳效果，减少了数据标注的消耗，并提升了农业语料库构建的成效。
-
Patent Agency Ranking
公开(公告)号：CN110287941A
公开(公告)日：2019-09-27
申请号：CN201910594481.6
申请日：2019-07-03
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于概念学习的透彻感知与动态理解方法，本发明以深度学习为基础的场景分析与信息挖掘是目前信息科学的前沿领域，已成功应用于各类场景的分割、分类及识别中，并取得了大量优秀成果；在特征提取的基础上，基于贝叶斯网络的静态推理已在图像诊断或理解中得到应用，这为自动提取场景多源多模态特征并在概念框架下进行推理提供了可行性。在此基础上，同时基于机器人协同动态推理与感知耦合，可有效解决大空间复杂场景的动态感知与深度理解问题，在准确性方面远高于使用单一深度神经网络及静态推理的性能。
-
公开(公告)号：CN119721546A
公开(公告)日：2025-03-28
申请号：CN202411653401.7
申请日：2024-11-19
Applicant: 哈尔滨工业大学
IPC: G06Q10/0631 , G06Q50/02 , H04L67/12 , H04L67/566 , G16Y10/05 , G16Y20/10 , G16Y40/10 , G16Y40/35
Abstract: 本发明涉及农场管理技术领域，公开一种基于代理的智慧农场操作系统，包括资源层和业务层，所述资源层集成有多个传感组件，所述多个传感组件用于采集作物数据，所述资源层中还设置有统一接口，通过所述统一接口连接至少一个农业机械，所述业务层包括核心控制模块以及多个代理模块；其中，所述多个代理模块均与所述资源层信号连接，多个代理模块通过一个发布‑订阅消息总线相互连接，所述核心控制模块与所述发布‑订阅消息总线连接；所述核心控制模块中配置有作物生长模型和任务编排模型。本发明智慧农场提供了一种高效、经济、易于使用的操作模式，满足当前农业需求的同时，也为未来的技术进步做好充足准备。
-
公开(公告)号：CN119313232A
公开(公告)日：2025-01-14
申请号：CN202411460402.X
申请日：2024-10-18
Applicant: 哈尔滨工业大学
IPC: G06Q10/067 , G06Q50/02 , G06N3/0455 , G06N3/08 , G06F18/213 , G06F18/25
Abstract: 本发明提供一种作物生长仿真平台集成方法以及作物生长大模型构建方法，涉及农业信息预测技术领域，包括：获取每个作物在全周期的作物生长状态、作物品种特性、气候因子、土壤特性以及田间管理信息；通过语义分析得到作物在全周期的作物生长变量。对作物生长变量进行自动划分，得到作物生长的动态协变量、静态协变量和时序过程变量并进行嵌入，得到动态协变量、静态协变量和时序过程变量对应的嵌入向量；根据嵌入向量对初始大语言模型进行全参训练得到作物生长大模型。本发明在提高模型的预测精度的同时还增强了模型的泛化能力和适应性，使其能够更好地应对多变的环境条件和不同的作物品种，改善作物生长模型在作物生长状态预测中的使用效果。
-
公开(公告)号：CN115465358B
公开(公告)日：2024-05-28
申请号：CN202211278173.0
申请日：2022-10-19
Applicant: 哈尔滨工业大学人工智能研究院有限公司
Abstract: 本申请属于机器技术领域，尤其是涉及一种全向型农业机器人，包括全向型轮腿结构系统、多负载平台、电源系统、控制系统，所述全向型轮腿结构系统包括轮毂电机结构一体行走车轮、转向电机机构、Z型固定板等；所述电源系统包括锂电池系统和太能板附件；所述多负载平台主要由标准型铝材装配组装，预留型材孔道，快速搭建顶部负载；所述多负载平台可以直接装配到Z型固定板上，与所述四个全向型轮腿结构系统，组成本全向型农业机器人基本框架结构，也可加在所述多负载平台和Z型固定板中间加装丝杠升降装置，可调整离地间隙。本发明专利可实现性高，转向灵活，零件数量少，成本低，并且结构简单，续航时间长。
-
公开(公告)号：CN118018094A
公开(公告)日：2024-05-10
申请号：CN202410115108.9
申请日：2024-01-29
Applicant: 哈尔滨工业大学
IPC: H04B7/185 , H04L41/14 , H04L41/142 , H04L41/16 , H04L67/10
Abstract: 本发明的基于双网络边缘计算的卫星网络计算卸载优化方法，所述方法包括如下步骤：S1、搭建星物联网架构，部署地面层设备，卫星层进行中继工作和计算卸载决策；S2、对延迟开销和能耗开销进行建模，构造最小化计算卸载开销目标函数，将计算卸载优化问题转化为混合整数规划问题；S3、求解目标函数，得到最优目标函数解，确定最优计算卸载方法。本发明采用双网络架构的综合算法，两个网络分别优化时延与能耗，再进行加权量化，减少了延迟与能耗综合决策的不稳定性，良好地适应了时延能耗权重动态变化的环境。在决策的表现和灵活性上相对于单独网络有明显的提升。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.032 seconds)
