公开(公告)号：CN113610121B

公开(公告)日：2023-09-29

申请号：CN202110829209.9

申请日：2021-07-22

Applicant: 哈尔滨工程大学

Inventor： 王宇超 ,  彭超 ,  邹德鑫 ,  傅荟璇 ,  王成龙 ,  王辉 ,  周斌

IPC: G06F18/2415 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种跨域任务深度学习识别方法，从多个训练环境中估计非线性，不变因果预测因子，使模型只根据主体的特征预测，步骤一、生成生成主体特征与背景特征无关的数据集；步骤二、搭建门控参数增强网络模型；步骤三、计算损失函数；步骤四、训练并且保存参数；步骤五、将待识别样本输入步骤四训练后的分类器并输出识别结果。对比于现有的其它方法(如CLP,ALP,PGD,VIB),本发明提出的CDI方法能够很好地抑制背景对于主体识别的影响，准确率和稳定性远高于其它现有方法。

公开(公告)号：CN115062756B

公开(公告)日：2024-11-22

申请号：CN202210523350.0

申请日：2022-05-13

Applicant: 哈尔滨工程大学

Inventor： 傅荟璇 ,  彭超 ,  顾志强 ,  王宇超 ,  王成龙 ,  赵洵 ,  田子湘

IPC: G06F18/20 ,  B63B39/00 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种船舶纵摇预测方法，读取船舶运动数据并转化为监督学习数据，所述监督学习数据包括样本数据和标签；搭建基于通道注意力机制的Bi‑ConvLSTM网络，包括两层双向ConvLSTM循环网络、CNN网络、通道注意力机制和全连接层；采用梯度下降的方法训练网络，训练参数包括迭代次数epoch、批次大小batch_size，模型训练采用反向传播更新模型参数，保存迭代次数最大时的模型参数，并记录到训练时的MSE；将待预测的船舶运动数据输入训练好的所述基于通道注意力机制的Bi‑ConvLSTM网络，得到船舶纵摇预测结果。本发明所提出的网络模型预测精度和性能更好，且训练收敛速度更快。