本發(fā)明涉及一種基于貝葉斯標(biāo)簽填充的海上稀疏標(biāo)簽風(fēng)場訂正方法，根據(jù)高斯樸素貝葉斯算法使用現(xiàn)有的風(fēng)場參考數(shù)據(jù)建立分類器，利用分類器對未標(biāo)記數(shù)據(jù)進行風(fēng)場參考填充。其特征是使用有風(fēng)場參考數(shù)據(jù)的標(biāo)記部分計算該部分?jǐn)?shù)據(jù)的標(biāo)準(zhǔn)差與方差，之后再進行極大...

本發(fā)明涉及一種基于區(qū)域遷移的海上稀疏標(biāo)簽風(fēng)場訂正方法，利用參數(shù)遷移的方式將從陸地區(qū)域訓(xùn)練中得到的模型參數(shù)共享到海洋區(qū)域風(fēng)速訂正模型中。其特征是以地面區(qū)域為主的數(shù)據(jù)作為源域進行源任務(wù)訓(xùn)練，將訓(xùn)練好的網(wǎng)絡(luò)參數(shù)作為目標(biāo)任務(wù)訓(xùn)練模型的初始化參數(shù)...

本發(fā)明涉及深度學(xué)習(xí)中基于改進風(fēng)場方向損失函數(shù)的監(jiān)督學(xué)習(xí)方法，重新定義訂正結(jié)果與參考數(shù)據(jù)的風(fēng)向誤差，將其范圍控制在[?180°～180°)；同時輸入模型前要將風(fēng)向數(shù)據(jù)歸一化，則歸一化后的誤差范圍重新定義到[?1，1]之間。損失函數(shù)則是計算...

本發(fā)明公開了一種用于測試金屬諧振子的系統(tǒng)及方法。其中，該系統(tǒng)包括：真空環(huán)境單元，用于為金屬諧振子提供空氣阻力小于阻力閾值且干擾小于干擾閾值的測試環(huán)境；信號激勵單元，用于生成、放大并傳遞用于施加到所述金屬諧振子上的激勵信號；檢測單元，用于...

本發(fā)明提供了改進YOLOv9的輕量級鋼材表面缺陷檢測模型包括：采集鋼材的表面圖像，分別對YOLOv9的骨干網(wǎng)絡(luò)和頸部進行改進，生成有效網(wǎng)絡(luò)結(jié)構(gòu)，利用所述有效網(wǎng)絡(luò)結(jié)構(gòu)對所述表面圖像進行卷積處理，得到所述表面圖像的若干個卷積紋理，分別對每一...

基于L2貪婪采樣的RT?RRT*全局路徑規(guī)劃方法，它屬于自動駕駛車輛路徑規(guī)劃技術(shù)領(lǐng)域。本發(fā)明解決了現(xiàn)有方法進行路徑搜索所需要的耗時長、路徑搜索的收斂速度慢的問題。本發(fā)明的雙向搜索框架從起始點和目標(biāo)點同時構(gòu)建兩棵獨立的搜索樹來探索狀態(tài)空間...

本發(fā)明公開了一種大語言模型中慢思考與快速響應(yīng)區(qū)域的解耦方法及裝置。其中，該方法包括：構(gòu)造慢思考提示和快響應(yīng)提示，將慢思考提示和快響應(yīng)提示分別輸入大語言模型，并記錄大語言模型的每一線性層的神經(jīng)元激活值；基于慢思考提示和快響應(yīng)提示分別對應(yīng)的...

本發(fā)明公開了一種基于離群類抑制的領(lǐng)域?qū)共糠钟蜻m應(yīng)知識遷移方法及系統(tǒng)，涉及人工智能與機器人技術(shù)領(lǐng)域。構(gòu)建知識遷移框架，包括領(lǐng)域判別器和分類器；從源域和目標(biāo)域的數(shù)據(jù)中提取特征；將提取的特征通過領(lǐng)域判別器對抗對齊，利用分類器的離群類抑制功能...

本發(fā)明公開了一種無人機航拍圖像的輕量級多尺度目標(biāo)檢測方法及系統(tǒng)，涉及無人機航拍圖像目標(biāo)檢測領(lǐng)域。步驟為：獲取無人機航拍圖像數(shù)據(jù)集，并將數(shù)據(jù)集劃分為訓(xùn)練集和測試集；基于YOLOv8?X進行改進生成LMS?YOLO網(wǎng)絡(luò)；在LMS?YOLO網(wǎng)...

本發(fā)明公開了一種高靈敏度無質(zhì)量塊壓電加速度傳感器設(shè)計，適用于工業(yè)設(shè)備監(jiān)測、航空航天及消費電子等領(lǐng)域的微弱振動信號檢測。針對傳統(tǒng)壓電加速度傳感器因質(zhì)量塊設(shè)計和機械剛度調(diào)整導(dǎo)致的成本高、體積大及帶寬受限問題，本發(fā)明采用單塊鋯鈦酸鉛壓電陶瓷（...

本發(fā)明公開了一種區(qū)間二型模糊受限玻爾茲曼機的圖像識別和分類方法，包括對采集圖像數(shù)據(jù)進行預(yù)處理，形成訓(xùn)練集和測試集；采用對稱三角模糊數(shù)、非對稱三角模糊數(shù)或高斯模糊數(shù)構(gòu)建模糊自由能函數(shù)，并通過清晰概率均值去模糊化處理得到去模糊后的自由能函數(shù)...

本發(fā)明屬于計算機視覺技術(shù)領(lǐng)域，公開了一種針對點標(biāo)注的航空圖像目標(biāo)檢測系統(tǒng)及方法，系統(tǒng)包括：圖像預(yù)處理模塊、特征提取模塊、多尺度注意力擴張模塊和檢測模塊；所述圖像預(yù)處理模塊用于對所述航空圖像進行多類別模版圖片覆蓋，并進行隨機翻轉(zhuǎn)、隨機縮放...

本申請公開了一種基于長短鏈協(xié)同的巨星座分層多域路由方法及裝置，涉及衛(wèi)星通信領(lǐng)域，該方法包括：構(gòu)建衛(wèi)星網(wǎng)絡(luò)分層多域架構(gòu)，包括：GEO衛(wèi)星層、MEO衛(wèi)星層以及LEO衛(wèi)星層；采用LEO衛(wèi)星分簇算法為LEO衛(wèi)星網(wǎng)絡(luò)動態(tài)分簇，形成多個分布式云；構(gòu)...

本發(fā)明提供了一種基于先進封裝的多層級PDN建模優(yōu)化方法與系統(tǒng)，屬于電氣封裝設(shè)計技術(shù)領(lǐng)域，該方法包括：在包含芯片級、封裝基板級和PCB級的多層級封裝中，在考慮材料的實際電磁參數(shù)、供電布局、走線拓?fù)湟约半娫椿芈返膶嶋H長度的情況下，得到每一層...

本發(fā)明公開了一種基于大語言模型的金融混合數(shù)據(jù)智能問答方法及系統(tǒng)。涉及混合數(shù)據(jù)智能問答技術(shù)領(lǐng)域，方法包括：步驟1：獲取TAT?QA數(shù)據(jù)，并使用TAT?QA開發(fā)集中的數(shù)據(jù)構(gòu)建類比樣例數(shù)據(jù)集；步驟2：使用所述類比樣例數(shù)據(jù)集構(gòu)建類比樣例向量庫；...

本發(fā)明涉及圖像檢測技術(shù)領(lǐng)域，尤其是基于Transformer與多頭注意力機制的火焰檢測方法，針對現(xiàn)有技術(shù)中火焰檢測方法動態(tài)特征建模不足、誤報率高和難以捕捉火焰的全局運動模式的問題，現(xiàn)提出如下方案，其包括以下步驟：步驟S1：利用雙通道圖像...

本發(fā)明實施例涉及一種場景重現(xiàn)的方法、系統(tǒng)、電子設(shè)備及計算機可讀存儲介質(zhì)。所述方法通過獲取案件的證據(jù)材料，基于證據(jù)材料生成案件描述文本；所述證據(jù)材料包括文本資料、圖像資料、音頻資料、視頻資料中的一種或多種；基于案件描述文本獲取場景分析信息...

本發(fā)明公開了一種基于整數(shù)小數(shù)分解的大語言模型時間序列預(yù)測方法及裝置。其中，該方法包括：將時間序列數(shù)據(jù)中的每個數(shù)值進行整數(shù)部分與小數(shù)部分的分解，提取整數(shù)部分與小數(shù)部分間的關(guān)聯(lián)特征，得到特征表示，其中，所述關(guān)聯(lián)特征用于輔助殘差理解；通過雙重...

本發(fā)明提供了一種接地共面波導(dǎo)轉(zhuǎn)類同軸互連結(jié)構(gòu)輻射場解析模型構(gòu)建方法，屬于系統(tǒng)封裝技術(shù)領(lǐng)域，該方法包括：根據(jù)接地共面波導(dǎo)上半平面的結(jié)構(gòu)以及上半平面與下半平面的電流等幅反向的特征，得到接地共面波導(dǎo)遠區(qū)輻射場的電場模型、磁場模型、以及方向圖模...

本發(fā)明提供了一種邊緣和語義協(xié)同網(wǎng)絡(luò)的紅外小目標(biāo)檢測方法，包括：利用多尺度邊緣感知注意力特征提取通過顯式邊緣監(jiān)督將動態(tài)聚焦后的邊緣信息融入空間注意力圖中，得到最低級協(xié)同特征和最高級協(xié)同特征；通過邊緣和語義協(xié)同特征提取分別利用最低級編碼特征...