-
公开(公告)号：CN116028186B
公开(公告)日：2025-01-21
申请号：CN202310056491.0
申请日：2023-01-19
Applicant: 哈尔滨工业大学
Abstract: 本发明提出对于存在黑盒子子系统的混合信号系统执行效率的优化方法。该方法包括：对于一个黑盒子模型，记所有的输入端口为I，|I|代表输入端口的数量，使用独热编码方法构建|I|个输入，记作M|I|；将黑盒子模型的所有输出端口记为O，|O|代表输出端口的数量，针对每个独热编码输入，运行黑盒子模型并记下对应的输出信号R|I|；根据得到的独热编码输入和每个输出端口的关系，建立δ(p1,p2)表示输出端口p2对输入端口p1的依赖关系；根据依赖关系，将所有的黑盒子模型转化为端口到端口的图；最后通过建立整个依赖图的拓扑排序得到所有模型对应的优先调度执行顺序。该方法提供了更加完善以及高效的混合信号系统仿真执行方法。
-
公开(公告)号：CN118784051A
公开(公告)日：2024-10-15
申请号：CN202410767594.2
申请日：2024-06-14
Applicant: 哈尔滨工业大学
IPC: H04B7/185 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/0499 , H04L27/34
Abstract: 本发明涉及一种星地网络下的非正交语义通信方法，所述通信方法中包括信号发射信号接收；所述信号发射方法包括以下步骤：步骤S1、利用Transformer结构对源信息进行语义提取，得到源信息的语义向量表示；步骤S2、使用联合源信道编码器将步骤S1中的语义表示映射到低维度；步骤S3：对步骤S2的联合源信道编码结果做稀疏码映射处理，生成数据流；步骤S4：将步骤S3的数据流发射至星地链路进行传输。本发明利用了Transformer的自注意力机制，对文本序列中的每一个单词进行注意力计算，获取其绝对与相对位置，从全局进行语义特征提取，在更复杂的卫星信道下，使传输的准确性接近了地面网络下的衰落信道。
-
公开(公告)号：CN116432849B
公开(公告)日：2024-03-26
申请号：CN202310420571.X
申请日：2023-04-19
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q10/0639 , G06V20/10 , G06V10/80 , G06V10/82 , G06F16/29 , G06Q50/02 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 一种基于初级生产力数据同化的叶面积指数预测方法，属于叶面积指数预测技术领域。为解决农作物的叶面积指数进行准确的预测的问题。本发明采集空气湿度数据、温度数据、植被吸收光合有效辐射数据，采集初级生产力数据，对植被进行拍照，构建初级生产力预测数据集、初级生产力实测数据集，利用集合卡尔曼滤波进行数据同化，得到初级ENKF同化的初级生产力数据集，利用LSTM神经网络进行训练，得到最终ENKF同化的初级生产力数据集；将光量子通量密度、最终ENKF同化的初级生产力数据集、植物照片利用LSTM神经网络进行训练，训练后的LSTM神经网络模型用于对叶面积指数预测。本发明对于不同种类的作物具有兼容性和可泛化性。
-
公开(公告)号：CN117708296A
公开(公告)日：2024-03-15
申请号：CN202311756728.2
申请日：2023-12-19
Applicant: 哈尔滨工业大学
IPC: G06F16/332 , G06F16/36 , G06N5/022 , G06F40/216
Abstract: 本发明提供了一种任务型对话系统和方法，涉及人工智能领域，该系统包括证据采集模块用于获取用户对话中的问询证据；结果预测模块用于对所述问询证据进行结果标签预测处理，得到标签预测概率，并比较所述标签预测概率与预设预测阈值；证据询问模块用于根据经验知识和领域知识图谱，对所述问询证据进行处理，得到所述问询证据的关键证据，对所述关键证据进行循证处理，得到循证结果，并将所述循证结果发送至所述结果预测模块进行结果标签预测处理。通过本发明通过借助经验知识和专业领域知识，实现提升任务型对话系统问询证据收集和处理的有效性，进而增加最终结果预测的准确性。
-
公开(公告)号：CN112183314B
公开(公告)日：2023-12-12
申请号：CN202011030333.0
申请日：2020-09-27
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V40/16 , G06V10/147 , G06V10/774 , G06V10/82 , G06N3/042 , G01B7/16
Abstract: 本发明提供了一种表情信息采集装置和表情识别方法及系统。表情信息采集装置包括：用于贴合于面部的柔性面膜基底和多个设置于所述面膜基底上的压电薄膜传感器，用于检测人脸的表情动作。表情识别方法包括获取表情信息采集装置采集的预设面部节点集合中所有节点的节点数据，节点数据包括节点的空间位置和节点表情数据的时间序列；根据节点数据，使用经过预训练的图卷积神经网络表情识别模型进行面部表情识别。节点数据利用了传感器直接采集人脸的肌肉和皮肤动作信息，未经图像形式的降维带来的信息损失和失真，更精确信息量更大。传感器的图拓扑分布与图神经网络数据处理方式在数据结构上的内在契合，使得GCN能够得到更好的表情识别结果。
-
Patent Agency Ranking
公开(公告)号：CN117176641A
公开(公告)日：2023-12-05
申请号：CN202311250161.1
申请日：2023-09-26
Applicant: 哈尔滨工业大学
IPC: H04L45/12 , H04L45/125 , H04L45/247 , H04W40/02 , H04L41/12 , H04L41/142 , H04B7/185
Abstract: 本发明涉及一种星地融合网络的路径选择和资源分配方法，所述方法包括如下步骤：S1、建立星地融合网络架构：在Satellite Tool Kit中创建卫星星座，在Mininet网络仿真平台中建立对应星地网络拓扑，并根据两行轨道数据生成链路参数，建立传输链路；S2、构建传输成本矩阵：定义网络资源；构建目标函数，目标函数受链路可负载带宽约束，且传输成本矩阵最小；S3、对目标函数进行求解：基于快速带宽收敛方法求出目标函数最优解，确定最优传输路径。本发明在多个备选路径中找到传输成本最低的路径作为最终选择，并且快速收敛到该路径的带宽上限，降低对网络整体的影响，具有为星地融合网络找到最佳传输路径的能力。
-
公开(公告)号：CN116740429A
公开(公告)日：2023-09-12
申请号：CN202310674186.8
申请日：2023-06-08
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/24 , G06N3/04 , G06N3/082 , G06N3/0895
Abstract: 本发明提出一种基于目标检测的云边协同危险物品自动检测识别与定位抓取方法及系统。所述方法包括以下步骤：危险物品检测识别步骤，将输入的X光图像进行危险物品检测和识别并对危险等级分级；定位与抓取步骤，确定危险物品的位置坐标并使用机械臂进行自动抓取；模型持续学习包括以下步骤：使用半监督的知识蒸馏方法进行无标签X光图像数据的自动学习；根据上述技术方案，可以有效的利用目标检测方法对危险物品同时进行检测识别和定位，同时利用机械臂进行自动抓取与分拣危险物品，另外，模型可以根据分布式X光机采集的大规模数据集进行持续学习和不断自我更新，实现更强的泛化能力和更好的鲁棒性和自动化安检过程。
-
公开(公告)号：CN116740351A
公开(公告)日：2023-09-12
申请号：CN202310674189.1
申请日：2023-06-08
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/764 , G06Q10/0639 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提出基于深度图像语义分割的作物叶面积指数估计方法。所述方法包括作物高质量图像数据采集系统和基于图像分割的叶面积指数测量框架设计两部分。目的是在没有农作物高质量图像的情况下，能够稳定高效的采集作物图像数据并开发基于图像语义分割方法的作物叶面积指数(LeafAreaIndex,LAI)测量模型。从而构建基于图像语义分割的作物叶面积指数测量算法。所述方法验证了基于深度学习的图像分割方法在作物叶面积指数测量方面的高精度和鲁棒性。
-
公开(公告)号：CN116563706A
公开(公告)日：2023-08-08
申请号：CN202310508864.3
申请日：2023-05-08
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/40 , G06N3/0442 , G06N3/049 , G06N3/08 , G06V10/74
Abstract: 一种针对多光谱图像反射率多特征的作物产量估计方法，涉及农作物生产技术领域，针对现有技术中产量估计方法不能充分的利用原有多光谱图像的信息，使得产量估计模型的能力受到限制，并直接导致最终产量估计的精准度低的问题，本申请通过利用多光谱图像各波段反射率的多种特征，能够更充分高效的利用多光谱图像数据的信息，也同时避免了植被指数公式选取难和植被指数公式选取不当导致的估产结果不准确的问题。提升产量估计的精准度。
-
公开(公告)号：CN116527180A
公开(公告)日：2023-08-01
申请号：CN202310535528.8
申请日：2023-05-12
Applicant: 哈尔滨工业大学
IPC: H04B17/391 , H04B7/185 , H04B7/216 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094 , G06N3/0985
Abstract: 基于CWGAN‑GP星地链路信道建模的SCMA方法，解决了现有技术信息传输可靠性降低的问题，属于信息与通信技术领域。本发明包括：构建基于卷积神经网络的稀疏码多址接入模型，包括编码器、译码器和星地链路信道；星地链路信道模型采用基于梯度惩罚的条件Wasserstein生成对抗网络实现，包括采用多个卷积神经网络单元实现的生成器和判别器；采用端到端训练，确定生成器和判别器的参数，完成星地链路信道建模，进行稀疏码多址接入；本发明采用Wasserstein距离来满足Lipschitz约束条件，将编码器编码后的信息作为条件信息，采用梯度惩罚解决权重裁剪强制满足Lipschitz约束从而导致产生部分数据无法收敛问题，从而构建近似精确的条件信道分布。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.03 seconds)
