-
公开(公告)号：CN111159427B
公开(公告)日：2021-10-01
申请号：CN201911399693.5
申请日：2019-12-30
Applicant: 哈尔滨工业大学
IPC: G06F16/36
Abstract: 本发明公开了一种基于众包的知识图谱构建方法及系统，所述方法包括如下步骤：步骤S1、创建图空间；步骤S2、创建用户模式并进行模式匹配和融合；步骤S3、上传资源；步骤S4、图谱构建。所述系统包括图空间模块、用户模式模块、资源模块、图谱构建模块、图数据库容器集群管理模块。本发明采用基于众包的知识获取方法，用户可以根据自己的需求提供资源，添加到知识图谱中，解决知识图谱的资源获取问题。本发明提出一种基于OWL的模式，对异构资源进行描述，从元模型上控制其异构性，使得通过该方法构建的知识图谱可以更容易地进行融合。本发明实现知识应用的操作接口，所述操作接口提供对知识图谱的搜索能力和推理能力。
-
公开(公告)号：CN113378548A
公开(公告)日：2021-09-10
申请号：CN202110724771.5
申请日：2021-06-29
Applicant: 哈尔滨工业大学
IPC: G06F40/216 , G06F40/284 , G06F40/295 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于条件随机场的命名实体识别的主动学习方法，所述方法综合考虑英文和中文的语言特点，提供一种命名实体识别的测评方案；在保持有竞争力的性能的前提下，提出了一种基于最低词概率(LTP)的主动学习策略，该策略简单有效，不倾向于选择长的句子序列，也无需修改或重写之前的模型，弥补了自然语言处理领域中基于CRF的命名实体识别任务中利用最低词概率进行主动学习方法设计的空白。同时，提出了一种基于数据池的主动学习框架，确保数据在已标注数据集、未标注数据集间进行高效正确的流转。本发明适用于自然语言处理领域的命名实体识别，为该任务的基于CRF的模型提供了一种新的主动学习方法。
-
公开(公告)号：CN111898928A
公开(公告)日：2020-11-06
申请号：CN202010833133.2
申请日：2020-08-18
Applicant: 哈尔滨工业大学
IPC: G06Q10/06 , G06F40/242 , G06F40/30 , G06F40/216 , G06F40/289 , G06F40/169 , G06K9/62
Abstract: 本发明公开了一种面向时空界的多方服务价值-质量-能力指标对齐方法，该方法分为两部分：面向领域特征的多参与者服务价值-质量-能力评价指标语义对齐和面向时空界特征的多参与者服务价值-质量-能力评价指标量化方式对齐。本发明并不依赖于本体的建设，而是利用自然语言处理常用的手段抽取指标定义和解释的语句中包含的关键词汇，借助公共词典和领域词典中包含的词汇信息和语素关系挖掘不同指标间的相关关系。在量化方式对齐方面，本发明总结了多参与者在协作过程中导致量化方式不一致的因素，并从时空界的角度考虑多维服务实现环境下指标具体取值与实际要表达的服务等级之间的映射关系，实现指标量化方式对齐。
-
公开(公告)号：CN110210413A
公开(公告)日：2019-09-06
申请号：CN201910483395.8
申请日：2019-06-04
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度学习的多学科试卷内容检测与识别系统及方法，所述系统包括数据预处理模块、数据粗粒度分类模块、小题细粒度分类模块、字符识别模块，其中：数据预处理模块对由纸质的试卷扫描成的数字图像进行处理；数据粗粒度分类模块使用Faster RCNN算法对输入图像进行试卷的整体结构分析，将图像分为不同类别的小题；小题细粒度分类模块采用Mask RCNN算法对数据粗粒度分类模块分完类的各小题进行内部字符的细粒度分类；字符识别模块将小题细粒度分类模块中的字符根据其类型调用相应的识别API来识别。本发明对于多学科试卷的复杂版面都有通用性；试卷中印刷体中文的识别率为99％，达到实用程度。
-
公开(公告)号：CN120030705A
公开(公告)日：2025-05-23
申请号：CN202510112257.4
申请日：2025-01-24
Applicant: 哈尔滨工业大学
IPC: G06F30/17 , G06F30/23 , G06F30/27 , G06F119/14
Abstract: 本发明公开了一种结合几何特征与傅里叶神经算子的涡轮零件弹性数字孪生虚实交互方法，所述方法包括如下步骤：步骤S1、材料属性及边界条件设置；步骤S2、有限元数据生成与格式转换；步骤S3、基于几何感知傅里叶算子的预测模型构建与训练；步骤S4、模型预测与验证。本发明利用有限元软件和AI预测结合，将涡轮零件通过自定义傅里叶变换和几何编码技术，改进现有的涡轮零件分析方法存在的计算复杂且有效处理复杂几何特征的问题，对传统的弹性分析方法进行优化，在减少计算复杂度的同时提高分析精度的技术，适用于复杂几何形状和物理现象的求解。本发明具有广泛的应用前景，能够为设计优化、性能评估及故障检测提供高效的计算支持。
-
Patent Agency Ranking
公开(公告)号：CN115658871B
公开(公告)日：2025-05-13
申请号：CN202211386970.0
申请日：2022-11-07
Applicant: 哈尔滨工业大学
IPC: G06F16/3329 , G06F16/335 , G06N5/022 , G06N5/04 , G06N3/0442 , G06N3/047 , G06N3/048 , G06Q50/00
Abstract: 本发明公开了一种支持社交对话的软服务机器人，所述软服务机器人包括用户认知模型和社交对话模型，其中：所述用户认知模型包含社交用户偏好模型、用户属性集、常识知识库三个部分；所述社交对话模型包含冲突点识别模块、冲突消解决策模块、对话行动生成模块三个部分。本发明以自然语言的方式，自动的与外部伙伴进行协商，并且取得了很好的实验效果，构建了当前在社交对话领域的对话机器人框架。
-
公开(公告)号：CN119785010A
公开(公告)日：2025-04-08
申请号：CN202411969916.8
申请日：2024-12-30
Applicant: 哈尔滨工业大学
IPC: G06V10/25 , G06V10/764 , G06T7/66 , G06T3/4023 , G06N20/00 , B25J9/16
Abstract: 一种用于铰接物体操纵的VLA大模型的构建方法，属于具身智能技术领域。方法如下：使用几何中心表示法描述铰接物体的Action Affordance；构建跟随铰接物体特征集的指令；将一个指令分解为六个不同的子任务特征集；设计训练VLA模型架构；构建几何思维规划器。本发明首几何中心表示方法来描述铰接物体，开发了几何思维规划器，促进了VLA大模型对环境的理解，增强了其对复杂任务的适应能力，使其能够处理多样化的场景和需求，使得VLA模型能够充分理解物体在不同情况下的行为和反应，从而在规划运动路径时做出更为合理的决策，提高路径规划的精度和可靠性。
-
公开(公告)号：CN119046599A
公开(公告)日：2024-11-29
申请号：CN202411248878.7
申请日：2024-09-06
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了基于NPU的Strassen矩阵乘法加速方法，属于混合编程技术领域。解决了现有技术中不存在用于昇腾芯片的采用开源混合编程算子实现快速矩阵乘法方法的问题；本发明设计了Ascend_Strassen算子数据通路，对输入矩阵进行数据搬运并切分，得到分块矩阵；根据分块矩阵，进行第一次矩阵间加减运算，得到矩阵乘法阶段的输入数据，对部分分块矩阵进行加零操作，得到转换后的矩阵；进行矩阵乘法运算，得到矩阵乘法结果；根据矩阵乘法结果，进行第二次矩阵间加减运算，得到子矩阵；对子矩阵进行数据搬运并合并，得到输出矩阵。本发明有效缩短了矩阵运算时间，提高了计算精度，可以应用于昇腾芯片混合编程。
-
公开(公告)号：CN118261874B
公开(公告)日：2024-08-23
申请号：CN202410359722.X
申请日：2024-03-27
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06T7/194 , G06T7/13
Abstract: 本发明公开了一种基于图像分割大模型和多元高阶回归拟合的鱼竿钓性分析方法，所述方法包括如下步骤：步骤一、图像裁切；步骤二、鱼竿预识别；步骤三、图像识别；步骤四、鱼竿曲线拟合。该方法能够将图像中的鱼竿自动识别出来并生成鱼竿图像在原图中的坐标从而衡量鱼竿的钓性，支持在光线昏暗下分割图像，并且在处理大尺寸图像时仍有较高的效率和分割效果。
-
公开(公告)号：CN118264668A
公开(公告)日：2024-06-28
申请号：CN202410529782.1
申请日：2024-04-29
Applicant: 哈尔滨工业大学
IPC: H04L67/10 , H04L67/104 , H04L67/12 , H04L41/142 , H04L41/14 , H04L41/147 , H04L41/16
Abstract: 一种增强工业物联网预测性维护的分散式边云协同算法，属于物联网领域。本发明将联合平均和联合近端算法结合到一个统一的框架中，用于跨边缘设备的分布式网络进行协作预测性维护模型训练。这一方法有助于克服IIoT环境下的挑战，提高故障预测的准确性，并优化实时监控和数据保护等关键方面。在与传统边云协同方法的比较分析中，联合平均近端在准确性方面始终表现出上级性能，特别是在涉及非IID数据的场景中。该模型对不同的IIoT环境表现出了显著的适应性，这一点可以从其在不同数据集中的鲁棒性得到证明。此外，本发明的自适应通信策略有效地降低了开销，提高了边云协同过程的整体效率，证实了本发明的方法在现实世界的IIoT场景中的实用性。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.084 seconds)
