-
公开(公告)号：CN114326391B
公开(公告)日：2024-08-09
申请号：CN202111517862.8
申请日：2021-12-13
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种建筑能耗预测方法，属于能耗预测领域。本发明是为了解决现有的神经网络对能耗进行预测存在难以取得较好的预测效果的问题。本发明首先获取预测能耗指标历史数据并构建特征张量X＝[Xt,Xt‑1,...,Xt‑n]，其中Xt‑i表示t‑i时刻的特征向量，t表示当前时刻；特征向量中的元素为预测能耗指标；基于特征张量，根据时间粒度构建不同粒度对应的特征张量；所述的建筑能耗预测模型包括多粒度特征提取网络、注意力机制LSTM网络和预测模块，多粒度特征提取网络的输出作为注意力机制LSTM网络的输入，注意力机制LSTM网络的输出作为预测模块的输入，预测模块输出建筑能耗。主要用于建筑的能耗预测。
-
公开(公告)号：CN115035912B
公开(公告)日：2024-04-26
申请号：CN202210644380.7
申请日：2022-06-08
Applicant: 哈尔滨工程大学
IPC: G10L25/30 , G06N3/0464 , G10L25/03 , G10L25/18
Abstract: 基于MOC模型的水声信号样本自动标注方法，具体涉及一种基于MOC模型的水下声音信号样本的自动标注方法，本发明为解决传统水声信号样本标注采用人工方法，不仅费时费力，经济效益低，还受专业性限制，标注准确性低的问题，它包括采集水声信号作为样本，利用声学模型计算所述水声信号样本的声学特征；建立MOC模型，MOC模型依次包括卷积层一、优选卷积残差层、卷积层二、注意力机制层、全连接层和分类层，将水声信号样本的声学特征输入MOC模型内进行训练，输出已标注的水声信号样本，直到loss收敛，得到训练好的MOC模型；将待标注的水声信号样本上述操作，得到已标注的水声信号样本。属于水下声音信号标注领域。
-
公开(公告)号：CN113988201B
公开(公告)日：2024-04-26
申请号：CN202111294685.1
申请日：2021-11-03
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/243 , G06F18/25 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于神经网络的多模态情感分类方法，具体涉及一种基于多模态情感分类的神经网络模型的分类方法，本发明为了解决传统的情感分类方法大多针对单一类型的数据，并不能处理社交网络坏境下多模态的混合信息的问题，它包括提取待预测情感图片中的多模态数据；提取多模态数据中各单模态的原始向量；根据各模态的原始向量计算各模态的指导向量；获得各模态的重构特征向量；利用注意力机制对得到的各模态的重构特征向量进行加权平均，生成融合特征向量；将得到的融合特征向量输入至情感分类模型中，输出分类结果。本发明用于对社交网络坏境下多模态的混合信息进行情感分类，属于自然语言处领域。
-
公开(公告)号：CN113011093B
公开(公告)日：2022-09-30
申请号：CN202110277082.4
申请日：2021-03-15
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/10
Abstract: 基于LCWaveGAN的船舶航行噪声仿真生成方法，本发明涉及船舶航行噪声仿真生成方法。本发明的目的是为了解决现有船舶航行水下辐射噪声信号准确率低，获得方式繁琐的问题。过程为：一、获取真实的船舶水下辐射噪声；二、得到连续谱；三、生成时域的连续谱噪声信号；四、生成仿真的船舶水下辐射噪声连续谱的时域信号；五、生成仿真的连续谱时域信号；六、提取调制参数；七、合成调制信号；八、提取真实的船舶水下辐射噪声的线谱；九、生成连续谱；十、通过调制信号和连续谱，叠加形成静止状态下的消声水池的目标仿真水下辐射噪声；十一、对水下辐射噪声进行运动修正，得到仿真船舶航行水下辐射噪声。本发明用于船舶航行数据生成领域。
-
公开(公告)号：CN114580478A
公开(公告)日：2022-06-03
申请号：CN202210203998.X
申请日：2022-03-02
Applicant: 哈尔滨工程大学
Abstract: 一种基于神经网络的环境参数确定方法，具体涉及一种基于神经网络的水下环境各参数的确定方法，本发明为了解决现有采取LPCC特征提取方法或MFCC特征提取方法获取水下环境参数的准确率低的问题，它包括S1、采集各时段的水下目标辐射噪声及对应的环境参数，将水下目标辐射噪声分为低频信号和高频信号；S2、对采集的各时段的水下目标辐射噪声进行预处理；S3、建立网络模型，将S2中预处理后的各时段的水下目标辐射噪声及对应的环境参数输入网络模型中进行训练，直到loss损失不变，得到训练好的网络模型；S4、采集待确定环境参数的水下目标辐射噪声，经过S2的预处理后，输入S3中得到的训练好的网络模型内，得到环境参数。属于环境参数确定领域。
-
Patent Agency Ranking
公开(公告)号：CN114548180A
公开(公告)日：2022-05-27
申请号：CN202210175705.1
申请日：2022-02-24
Applicant: 哈尔滨工程大学
Abstract: 基于特征强化模型的特征提取方法，涉及水下声音特征提取技术领域，针对现有技术中对特征进行集成的时候会丢失特征位置信息的问题，步骤一：设定损失阈值，然后获取训练数据集，并利用训练数据集训练卷积神经网络，当卷积神经网络误差小于等于损失阈值时，提取卷积神经网络池化后的特征矩阵；步骤二：对特征矩阵进行仿射变换；步骤三：针对仿射变换后的特征矩阵，将特征矩阵中局部位置的抗特征变化能力进行加强，得到特征矩阵N；步骤四：将特征矩阵N输入到卷积神经网络的全连接层中再次训练，得到最终特征。本申请有效的解决了现有技术中对特征进行集成的时候会丢失特征位置信息的问题。
-
公开(公告)号：CN111008674B
公开(公告)日：2022-05-03
申请号：CN201911351335.7
申请日：2019-12-24
Applicant: 哈尔滨工程大学
Abstract: 一种基于快速循环单元的水下目标探测方法，涉及水下声纹特征提取技术领域，针对现有技术中的水下目标探测技术存在探测精度低的问题，本发明在对水声信号样本分帧后的片段完成特征提取和特征选择后，将这些特征按时间顺序排列，从而得到由特征组成的时序数据，并利用循环神经网络对时序数据进行处理，以此提高了水下目标探测的准确率并减少了误报率。
-
公开(公告)号：CN111627419B
公开(公告)日：2022-03-22
申请号：CN202010387814.0
申请日：2020-05-09
Applicant: 哈尔滨工程大学
IPC: G10L13/047 , G10L13/08 , G10L25/30 , G06N3/04 , G06N3/08
Abstract: 一种基于水下目标及环境信息特征的声音生成方法，它属于水声信号生成研究领域。本发明解决了利用传统特征提取方法构造出的水下目标声音信号特征字典和环境声音信号特征字典进行水声信号生成时会导致生成的水声信号的效果差，以及现有TTS声音生成模型在水声信号生成上的应用受到限制的问题。本发明结合听觉注意机制的特点，对水下目标声音信号和环境声音信号进行特征提取时将其特征显著化，提高水下目标声音信号和环境声音信号特征字典的特征准确度。将特征字典作为声音生成模型的发声字典，嵌入声音生成模型，提升了生成的水声信号的效果，本发明使TTS的应用领域从对人类语音的生成扩展到对水声信号的生成。本发明方法可以应用于水声信号的生成。
-
公开(公告)号：CN113592016A
公开(公告)日：2021-11-02
申请号：CN202110908117.X
申请日：2021-08-09
Applicant: 哈尔滨工程大学
Abstract: 基于互信息增强的自监督新颖性检测方法，涉及图像处理领域。本发明是为了解决现有图像新颖性检测方法的重构效果不佳，难以对类内外图像边界进行区分，进而导致在复杂场景中检测效果差的问题。本发明具体过程为：将待检测的图像输入到训练好的自监督新颖性检测模型的自编码网络中进行新颖性检测，获得检测结果。所述自监督新颖性检测模型包括：自编码网络、隐鉴别器、鉴别器、分类器；自编码网络包括：生成器和编码器，用于对输入的待检测图像数据进行重构；所述隐鉴别器用于与编码器进行对抗训练；所述鉴别器用于与生成器进行对抗训练；分类器用于对生成器生成的图像进行分类。本发明用于对图像的新颖性进行检测。
-
公开(公告)号：CN113554104A
公开(公告)日：2021-10-26
申请号：CN202110856234.6
申请日：2021-07-28
Applicant: 哈尔滨工程大学
Abstract: 一种基于深度学习模型的图像分类方法，属于图像分类领域。本发明解决了现有针对图像分类的神经网络无法在保证图像分类准确率的同时降低训练时间和模型参数规模的问题。本发明方法包括：建立图像分类模型，对图像分类模型进行冷启动训练；获取图像数据作为训练集，从“V”型相似度曲线中选取一个相似度系数作为相似度阈值，基于该阈值，利用训练集对图像分类模型参数进行训练，获取当前图像分类模型的参数；基于动态阈值和当前图像分类模型的参数，逐步降低该阈值，将训练集输入图像分类模型中，进行图像分类模型训练，获得最优的分类模型，停止图像分类模型训练；将待分类的图像输入最优的图像分类模型，得到图像分类结果。本发明用于图像分类。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.043 seconds)
