-
公开(公告)号：CN116628559A
公开(公告)日：2023-08-22
申请号：CN202310892172.3
申请日：2023-07-20
Applicant: 南方海洋科学与工程广东省实验室(广州) , 大连理工大学
IPC: G06F18/24 , G06N3/0464 , G10L15/06 , G10L15/16 , G06V10/74 , G06V10/764 , G06V10/774 , G06V40/70 , G06F16/35 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种水下大数据计算综合实验分类系统、分类模型的训练方法，训练方法包括步骤：获取水下目标的多模态信息，并进行特征提取和训练，对分类网络模型的网络参数进行更新，并计算多模态融合相似度，根据多模态融合相似度，确定目标函数，再对贡献权重和更新的网络参数进行更新，直至训练完成时，将分类网络模型作为水下大数据计算综合实验分类模型。本发明通过融合多模态相似度嵌入目标函数，使采集的多源多模态水下数据目标类别可从多维度充分学习特征知识，进而泛化卷积神经网络对特定数据的强感知能力，全方位锚定特征，抑制局部特征的负面影响，从而提高水下目标分类时准确性。
-
公开(公告)号：CN116628559B
公开(公告)日：2023-11-10
申请号：CN202310892172.3
申请日：2023-07-20
Applicant: 南方海洋科学与工程广东省实验室(广州) , 大连理工大学
Abstract: 本发明公开了一种水下大数据计算综合实验分类系统、分类模型的训练方法，训练方法包括步骤：获取水下目标的多模态信息，并进行特征提取和训练，对分类网络模型的网络参数进行更新，并计算多模态融合相似度，根据多模态融合相似度，确定目标函数，再对贡献权重和更新的网络参数进行更新，直至训练完成时，将分类网络模型作为水下大数据计算综合实验分类模型。本发明通过融合多模态相似度嵌入目标函数，使采集的多源多模态水下数据目标类别可从多维度充分学习特征知识，进而泛化卷积神经网络对特定数据的强感知能力，全方位锚定特征，抑制局部特征的负面影响，从而提高水下目标分类时准确性。
-
公开(公告)号：CN118378216B
公开(公告)日：2024-11-12
申请号：CN202410815925.5
申请日：2024-06-24
Applicant: 南方海洋科学与工程广东省实验室(广州) , 大连理工大学
IPC: G06F18/25 , G06V10/20 , G06V10/764 , G06V10/774 , G06V10/778 , G06V20/05 , G06F18/214 , G06F18/21 , G10L17/26
Abstract: 本发明公开了一种多维水下生物多样性自动化监测方法、系统及终端，所述方法包括：获取目标海域的环境DNA数据、水下图像数据和水下声音数据，并进行预处理得到目标环境DNA数据、目标水下图像数据和目标水下声音数据；根据目标环境DNA数据、目标水下图像数据和目标水下声音数据进行模型训练，得到目标相关性分析模型；获取待测海域的待测水下图像数据和待测水下声音数据，输入至目标相关性分析模型，输出水下生物多样性监测结果。本发明可对水下复杂的生态环境进行长时间动态监测，及时获取海洋生物的有效信息，以便于及时发现生态环境发生变化之前的潜在信号，预测生态系统的发展，从而实现对海洋生物多样性的自动化预警与保护。
-
公开(公告)号：CN118378216A
公开(公告)日：2024-07-23
申请号：CN202410815925.5
申请日：2024-06-24
Applicant: 南方海洋科学与工程广东省实验室(广州) , 大连理工大学
IPC: G06F18/25 , G06V10/20 , G06V10/764 , G06V10/774 , G06V10/778 , G06V20/05 , G06F18/214 , G06F18/21 , G10L17/26
Abstract: 本发明公开了一种多维水下生物多样性自动化监测方法、系统及终端，所述方法包括：获取目标海域的环境DNA数据、水下图像数据和水下声音数据，并进行预处理得到目标环境DNA数据、目标水下图像数据和目标水下声音数据；根据目标环境DNA数据、目标水下图像数据和目标水下声音数据进行模型训练，得到目标相关性分析模型；获取待测海域的待测水下图像数据和待测水下声音数据，输入至目标相关性分析模型，输出水下生物多样性监测结果。本发明可对水下复杂的生态环境进行长时间动态监测，及时获取海洋生物的有效信息，以便于及时发现生态环境发生变化之前的潜在信号，预测生态系统的发展，从而实现对海洋生物多样性的自动化预警与保护。
-
公开(公告)号：CN120030405A
公开(公告)日：2025-05-23
申请号：CN202411949683.5
申请日：2024-12-27
Applicant: 大连理工大学 , 大连冰山嘉德自动化有限公司
IPC: G06F18/241 , G06F18/213 , G06N3/0895 , G06N3/045 , F24F11/38
Abstract: 本发明公开了一种融合混合专家神经过程和记忆对比学习的半监督冷水机组故障诊断方法，包括以下步骤：S1.构建基于混合专家联合神经过程的制冷机组故障诊断算法建模方法，引入神经过程思想实现对故障类别预测分布的拟合，设计证据下界函数指导模型训练；S2.设计基于记忆对比学习的无标签样本训练策略；S3.创建冷水机组故障诊断网络，在半监督训练条件下利用拟合好的类别预测分布完成故障诊断任务；提出一种新的基于概率分布的冷水机组故障诊断算法，通过拟合故障类别预测分布有效提升模型的泛化性，实现准确的冷水机组故障诊断。通过半监督故障诊断实验，验证了本发明能够精准诊断冷水机组故障。
-
Patent Agency Ranking
公开(公告)号：CN114692867B
公开(公告)日：2025-01-07
申请号：CN202210293116.3
申请日：2022-03-24
Applicant: 大连理工大学
IPC: G06F18/2415 , G06F18/22 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08 , G06Q50/00
Abstract: 本发明属于网络表示学习领域，公开了一种结合高阶结构和注意力机制的网络表示的节点分类方法，考虑到网络中的不同的高阶结构对于网络的适用性，可以自适应学习不同类型的网络数据，缓解了网络表示学习中没有考虑到高阶结构的适用性造成的性能次优问题。首先进行数据准备和数据预处理；其次，利用图卷积网络层分别提取数据的属性特征和结构特征；接着利用注意力机制学习属性特征和结构特征的相似性，并根据相似性聚合网络中每个节点邻域的表示；然后，利用图卷积操作转换为下游任务的表示；最后，利用损失函数持续更新算法模型的参数，直到得到最优的算法模型，获得高效的网络表示，可以应用于垃圾邮件识别，假新闻检测和疾病预测。
-
公开(公告)号：CN114970605B
公开(公告)日：2024-06-14
申请号：CN202210485072.4
申请日：2022-05-06
Applicant: 大连理工大学 , 大连冰山嘉德自动化有限公司
IPC: G06F18/24 , G06F18/241 , G06F18/15 , G06F18/2131 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/049 , G06N3/0499 , G06N3/084 , G01M13/00
Abstract: 本发明公开一种多模态特征融合神经网络的制冷设备故障诊断方法，属于计算机技术领域，包括：1)数据预处理；2)特征提取及特征融合；3)神经网络训练及优化；4)故障分类与诊断。本发明主要针对单模态输入故障诊断问题，由于单模态输入数据信息匮乏，现有的机器学习方法特征提取能力弱，准确率不高，对于一些难以分辨的故障容易产生误判。因此，本发明利用时频分析转换时域信号增加输入模态和基于注意力机制的特征融合，实现模态间互补信息的充分发挥，以达到提高诊断准确率的目标。实验验证表明，本发明能够有效地实现多模态特征提取与融合，解决单模态输入诊断准确率低下的问题。
-
公开(公告)号：CN115131605A
公开(公告)日：2022-09-30
申请号：CN202210665049.3
申请日：2022-06-14
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明属于图表示学习领域，提出了一种基于自适应子图的结构感知图对比学习方法，用于图表示学习。该方法包括基于Motif的子图生成算法、图增强算法、基于Motif的子图嵌入算法、基于GNN的图嵌入算法以及子图对比学习框架。本发明可以在无监督场景下，帮助模型更好地捕捉局部语义信息，从而学习到高质量节点嵌入，用于下游图学习任务，如节点分类、链路预测、推荐系统等。本发明基于原始图中的motif信息，构建编码子图，可以有效减轻图增强对原始图语义信息的破坏；提出的基于motif的子图生成与编码策略和传统子图生成方法相比，可以捕捉更丰富的语义信息。
-
公开(公告)号：CN111368885B
公开(公告)日：2021-12-03
申请号：CN202010112320.1
申请日：2020-02-24
Applicant: 大连理工大学
Abstract: 一种基于深度学习和信息融合的航空发动机气路故障诊断方法，属于动力机械故障诊断领域。首先，对数据进行预处理；其次，利用处理后的样本数据将卷积神经网络模型和前馈神经网络分别训练至最佳，继而得到两个模型对样本数据所属类别的判定结果；再次，在证据体的基本概率分布的构造阶段，两种模型的判别结果被视为两个证据体，该阶段将证据体中样本所属各类别评分转换为样本的基本概率分布，同时计算样本不确定度；最后，在证据体的合成与决策阶段，根据D‑S证据理论的合成规则计算两个证据体合成后的概率分布，根据决策规则给出每条样本所属类别。本发明融合了两种深度神经网络从不同角度学习样本数据后给出的决策结果，获得一种精度较高的航发故障诊断模型，同时可以克服非深度学习模型对不同来源的航发大数据判别能力不稳定、鲁棒性低的问题。
-
公开(公告)号：CN112383521A
公开(公告)日：2021-02-19
申请号：CN202011201013.7
申请日：2020-11-02
Applicant: 大连理工大学
Abstract: 本发明涉及区块链文件存储技术领域，提供一种分布式文件系统中节点身份认证方法，包括：步骤100，第一节点发送认证请求至第二节点；步骤200，第二节点检索其数据库中是否存在认证请求的标识信息，若数据库中存在所述标识信息，则第二节点生成挑战码，并采用加密策略将挑战码加密后发送至第一节点；步骤300，所述第一节点采用预设的处理机制处理加密后的挑战码，并生成响应报文发送至第二节点；或者，所述第一节点采用预设的处理机制处理加密后的挑战码，并生成反向挑战码和响应报文，并对反向挑战码进行加密，将所述响应报文和加密后的反向挑战码发送至所述第二节点。本发明能够提高网络节点之间通信的安全性。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.052 seconds)
