公开(公告)号：CN119886392A

公开(公告)日：2025-04-25

申请号：CN202510089879.X

申请日：2025-01-21

Applicant: 大连理工大学

Inventor： 叶绯叶 ,  王鹏飞 ,  张强

IPC: G06N20/20 ,  G06F21/62 ,  G06N3/042 ,  G06N3/082 ,  G06F18/23213 ,  G06F17/16 ,  G06F21/60 ,  G06F16/9535

Abstract: 本发明提供了一种基于记忆感知的图数据联邦忘却学习方法、设备及存储介质，属于分布式人工智能技术领域。本发明方法是在第三方服务器上通过匿名用户特征实现聚类，并在用户本地进行分布式的参数重要性权重计算，由中心服务器进行聚合得到模型对于该类数据的记忆感知，随后采用参数剪枝过程，剔除该类数据对模型的影响，并加入一个微调的过程来恢复模型因剪枝带来的性能损失。通过本发明方法，当用户在带有高阶信息的联邦学习推荐系统中提出忘却请求时，能够快速计算出忘却用户对模型的独有贡献并进行剔除，而无需对推荐模型进行重训练，有效地保护了用户的数据隐私。

公开(公告)号：CN119066513A

公开(公告)日：2024-12-03

申请号：CN202411107300.X

申请日：2024-08-13

Applicant: 大连理工大学

Inventor： 王振伟 ,  张强 ,  王鹏飞 ,  于硕 ,  赵妙云 ,  苏伟健

IPC: G06F18/2415 ,  G06F18/2413 ,  G06F18/25 ,  G06F18/214

Abstract: 一种多模态统计提示学习的小样本新能源设备缺陷识别方法、系统、存储介质及设备，属于新能源设备缺陷识别领域。本发明包括数据获取、特征提取、统计查询、结合软提示、构建分类器、训练模型六个步骤。通过统计特征作为查询在主干所提取特征中获得区分性特征，并将其和软提示相结合以减少对计算资源的需求，同时引入文本输入增强对缺陷类别的理解，提高识别精度和泛化能力。

公开(公告)号：CN114386582B

公开(公告)日：2024-09-10

申请号：CN202210047220.4

申请日：2022-01-17

Applicant: 大连理工大学

Inventor： 张强 ,  范宣哲 ,  于华 ,  候亚庆 ,  周东生

IPC: G06N3/045 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/094 ,  G06N3/084 ,  G06F18/213

Abstract: 本发明属于人机交互技术领域，涉及人机交互中人体动作的预测，具体为一种基于对抗训练注意力机制的人体动作预测方法。本发明在原始Transformer模型的基础上，对Transformer内部注意力计算机理进行变换优化，设计了一种称为可变形的Transformer模型，用于提取人体运动的时间特征和空间特征，进而捕获长时范围内各个关节点之间的相互依赖关系，从而高效地预测长时范围内的人体动作。其次，本发明引入了对抗训练机制训练所提出的网络模型，将上述生成运动预测的过程作为生成器，并引入连续性判别器和真实性判别器来验证所生成序列的时间平滑性和连续性，以此来缓解首帧不连续问题。

公开(公告)号：CN114757427B

公开(公告)日：2024-09-06

申请号：CN202210428891.5

申请日：2022-04-22

Applicant: 大连理工大学

Inventor： 王鹏飞 ,  叶绯叶 ,  魏宗正 ,  车超 ,  周成杰 ,  张强

IPC: H02J3/00 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/09 ,  G06N3/045

Abstract: 本发明属于数据科学技术领域，涉及自回归修正的LSTM智能风电场超短期功率预测方法。本发明根据最近时刻的实际功率对未来4小时(16个时刻点)功率趋势进行预测，并使用该预测值修正利用LSTM预测的短期功率，实现历史功率数据与气象数据的特征结合，提高超短期预测中在风速快速变化或其他因素影响的功率剧烈抖动时的预测准确率，同时加快超短期预测的速度。本发明实现了自回归修正的LSTM智能风电场超短期功率预测方法，结合深度学习、自回归预测等技术，最终为风电场在风电功率超短期的精准预测领域提供了理论依据与实践经验。

公开(公告)号：CN114642423B

公开(公告)日：2024-07-12

申请号：CN202210250528.9

申请日：2022-03-15

Applicant: 大连理工大学

Inventor： 刘倩 ,  于卓如 ,  林浩泽 ,  张强

IPC: A61B5/11 ,  A61B5/00 ,  G06V40/20 ,  G06V40/10 ,  G06V10/774

Abstract: 本发明提供一种基于体验质量的下肢外骨骼机器人步态规划方法及系统，属于医疗复健技术领域，下肢外骨骼机器人步态规划方法包括：采集多个目标人员行走过程中左右髋关节和左右膝关节的转动角速度和角加速度，得到初级步态数据集；采用动态时间规整算法，根据目标人员的年龄段和性别，对初级步态数据集的数据分类，并建立各个类别的标准步态模型；体验人员穿戴下肢外骨骼机器人，通过与年龄及性别对应的标准步态模型进行康复训练测试，实时记录各步态周期内体验人员的手杖使用次数及机器人拖拽次数，确定体验质量；基于长短期记忆网络，根据步态模型及体验质量，对体验人员在下一步态周期的步态进行预测，提高了下肢复健的平稳性及复健质量。

公开(公告)号：CN114610070B

公开(公告)日：2024-06-21

申请号：CN202210274635.5

申请日：2022-03-21

Applicant: 大连理工大学

Inventor： 张强 ,  闫兆鸿 ,  王鹏飞 ,  车超 ,  叶绯叶

IPC: G05D1/46 ,  H02J13/00 ,  G05D109/20

Abstract: 本发明提供了一种无人机协同的风电场智能巡检方法，属于数据处理技术领域。本发明通过无人机携带任务载荷完成风电机组的巡检工作，通过深度强化学习‑模拟退火算法模型规划无人机的飞行航迹，实现能耗最低的智能风电场巡检路线规划。本发明充分考虑了风电场的物理和环境特性，实现了低能耗的智慧风电场巡检路线规划，且具有极强的适应能力，能够应用于不同地理位置和地形的风电场中。本发明不仅考虑了风电场中便于实时充电的特性，还充分考虑了风电场的气候特点，创新性地将风速与风向纳入无人机航迹规划的考量中；不仅能够适应不同地形和季风区中的风电场，还能够及时应对突发的气象变化，动态调整巡检路线，非常契合风电场的气象特性。

公开(公告)号：CN114927162B

公开(公告)日：2024-06-14

申请号：CN202210544114.7

申请日：2022-05-19

Applicant: 大连理工大学

Inventor： 王浩华 ,  高建 ,  林恺 ,  张强 ,  何昆仑 ,  石金龙

IPC: G16B20/00 ,  G16H50/30 ,  G06F18/10 ,  G06F18/2413 ,  G06F18/23 ,  G06F18/25 ,  G06F18/213 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开一种基于超图表征与狄利克雷分布的多组学关联表型预测方法，包括：组学数据预处理模块实现原始组学数据清洗与特征预筛选功能，以去除可能影响关联挖掘性能的噪声、错误和冗余特征。组学数据超图表征模块完成各组学内的余弦相似度计算，并据此构建超图关联矩阵。特征提取模块搭建超图卷积神经网络进行各个组学数据的特征提取。多组学集成预测模块利用由每个特定超图卷积神经网络生成的初始结果来构建狄利克雷分布参数，并将其作为输入到多组学集成算法以进行最终标签预测。本发明基于多组学数据与相应表型标签挖掘各组学信息的潜在相关性，并且有效地集成每个组学的特征信息，实现精准的组学数据与人体表型的关联预测。

公开(公告)号：CN118133020A

公开(公告)日：2024-06-04

申请号：CN202410264985.2

申请日：2024-03-08

Applicant: 大连理工大学

Inventor： 赵智威 ,  吴佳丽 ,  林恺 ,  张强

IPC: G06F18/214 ,  G06F18/23 ,  G06F18/241 ,  G06F18/10 ,  G06F18/213 ,  G06N3/0464 ,  G06F16/901

Abstract: 本发明提出了一种基于超图表征与高斯混合模型的多维特征分类方法。该方法首先对数据集数据进行预处理，提取数据间关系作为特征，将节点与特征作为输入构建超图结构知识网络，基于该超图结构使用聚类的方法分别基于局部特征与全局特征两方面更新原有节点与边的特征，采用了基于高斯混合模型优化的超图构建模块，引入带有概率权重的三维特征投射方法，聚焦于节点到多维特征的概率权重来构建超图结构，从而实现对应节点的精确分类。

公开(公告)号：CN117910546A

公开(公告)日：2024-04-19

申请号：CN202311729742.3

申请日：2023-12-15

Applicant: 大连理工大学

Inventor： 马文强 ,  候亚庆 ,  张强

IPC: G06N3/096 ,  G06N3/092 ,  G06N3/086 ,  G06N3/126 ,  G06F18/22 ,  A63F13/67

Abstract: 本发明公开一种基于迁移优化的深度神经网络攻击生成方法，属于智能优化技术领域。本发明根据每次迁移的效果自适应地调整知识迁移的对象与程度，实现了对已定位源任务的有效利用，而非每次迁移时重新计算任务之间的关系。在此基础上，本发明根据源任务之间的相似程度对自适应后的迁移程度进行再调整，促使过高的迁移程度向着相似而未尝试过的任务上偏移，以此来决定知识迁移发生的程度，并实现了对源任务空间的有效探索。本发明实现了在源任务空间上探索与利用的良好的平衡，有效地增加了有效知识迁移发生的概率，并充分发掘相似任务之间有效知识的迁移潜力，促使深度神经网络攻击在各种不同的任务场景中得到收敛速度更快、表现更好的解决方案。

公开(公告)号：CN117797517A

公开(公告)日：2024-04-02

申请号：CN202211168031.9

申请日：2022-09-23

Applicant: 大连理工大学

Inventor： 程昉 ,  高栋栋 ,  王勇 ,  张强

IPC: B01D17/022

Abstract: 本发明公开了一种油包水和水包油乳液分离材料的制备和应用，材料的制备包括以下步骤：沥青质依次与马来酸酐和阳离子型聚合物反应，制备阳离子化沥青质；通过将硅烷偶联剂和阳离子化沥青质连接到商业海绵，得到乳液分离海绵。改性后海绵具有超疏水性。无需对材料进行任何前处理，利用震荡或过滤的模式能够有效地分离无表面活性剂稳定的水包油和油包水乳液、表面活性剂稳定的油包水乳液以及阴离子型表面活性剂稳定的水包油乳液，在含油废水处理以及资源回收方面应用潜力巨大。