本發(fā)明公開(kāi)了一種基于目標(biāo)屬性語(yǔ)義一致性的跨時(shí)空多級(jí)感知數(shù)據(jù)關(guān)聯(lián)方法。首先構(gòu)建屬性軌跡，整合不同傳感器多維度數(shù)據(jù)并形成時(shí)間序列以反映目標(biāo)綜合狀態(tài)變化。接著進(jìn)行數(shù)據(jù)實(shí)體對(duì)齊，計(jì)算目標(biāo)運(yùn)動(dòng)與靜止相關(guān)性來(lái)關(guān)聯(lián)同一目標(biāo)多維度信息。然后，創(chuàng)建含目標(biāo)...

本發(fā)明公開(kāi)了一種RF?MEMS開(kāi)關(guān)的太赫茲可編程超表面單元，屬于通信技術(shù)領(lǐng)域，包括：第二襯底；正極控制線；背覆地；第一襯底；直流接地柱；上貼片；信號(hào)線；RF?MEMS開(kāi)關(guān)；直流偏置線結(jié)構(gòu)。通過(guò)直流電壓變化來(lái)控制開(kāi)關(guān)的斷開(kāi)與導(dǎo)通，實(shí)現(xiàn)超表...

本發(fā)明公開(kāi)了一種基于藍(lán)光LED誘導(dǎo)的熒光成像齲病檢測(cè)裝置，屬于齲病檢測(cè)技術(shù)領(lǐng)域。本發(fā)明所述裝置包括LED光源和濾光片；LED光源對(duì)準(zhǔn)牙齒表面，光源發(fā)出特定波長(zhǎng)的光，該光照射到牙齒表面；使附著于牙齒表面的牙菌斑產(chǎn)生熒光，熒光通過(guò)濾光片。濾...

本發(fā)明提出了一種基于數(shù)據(jù)流動(dòng)態(tài)微簇表征的在線目標(biāo)識(shí)別方法，旨在提高對(duì)快速變化目標(biāo)的準(zhǔn)確識(shí)別能力，尤其適用于復(fù)雜和動(dòng)態(tài)的現(xiàn)實(shí)場(chǎng)景。該方法包括以下步驟：首先，通過(guò)編碼器?解碼器架構(gòu)對(duì)增量數(shù)據(jù)進(jìn)行特征提取，并利用目標(biāo)識(shí)別網(wǎng)絡(luò)進(jìn)行目標(biāo)分類。同時(shí)...

本發(fā)明公開(kāi)了一種基于邊緣檢測(cè)算法的FMCW激光雷達(dá)點(diǎn)云重影去除方法屬于圖像處理技術(shù)領(lǐng)域。本發(fā)明所述方法首先基于FMCW激光雷達(dá)系統(tǒng)采集待測(cè)物體產(chǎn)生的差頻數(shù)據(jù)，進(jìn)行物體距離解算；利用每個(gè)掃描角度及對(duì)應(yīng)的待測(cè)物體距離信息構(gòu)建物體點(diǎn)云模型，實(shí)...

本發(fā)明涉及天線技術(shù)領(lǐng)域，具體涉及一種基于PCM的低RCS圓極化寬帶陣列天線，包括四個(gè)天線單元，天線單元上層為低剖面極化轉(zhuǎn)換超表面單元所組成的6×6的棋盤(pán)型陣列，加載在地板上開(kāi)槽的縫隙天線上，由微帶線通過(guò)縫隙激勵(lì)表面上的PCM結(jié)構(gòu)。PCM...

本發(fā)明公開(kāi)了一種基于平面磁集成技術(shù)的厚膜混合集成電源系統(tǒng)，包括：厚膜混合集成DC/DC變換器、平面磁集成模塊以及輔助供電模塊；厚膜混合集成DC/DC變換器的原邊與副邊電路通過(guò)平面磁集成模塊中由初次級(jí)繞組構(gòu)成的變壓器進(jìn)行能量傳遞，經(jīng)過(guò)副邊...

本發(fā)明公開(kāi)了一種基于多視圖聚類的紅外和可見(jiàn)光圖像數(shù)據(jù)關(guān)聯(lián)方法，通過(guò)針對(duì)獲取到的不同數(shù)據(jù)源的數(shù)據(jù)完成圖構(gòu)建，其中節(jié)點(diǎn)表示數(shù)據(jù)實(shí)體，邊表示實(shí)體之間的相似性或關(guān)系。借助圖卷積網(wǎng)絡(luò)通過(guò)一系列非線性變換逐步將輸入的多視角數(shù)據(jù)特征和結(jié)構(gòu)圖映射，提取...

本發(fā)明公開(kāi)了一種基于生成對(duì)抗網(wǎng)絡(luò)的快速水印方法，屬于數(shù)字水印技術(shù)領(lǐng)域。本發(fā)明基于一致性水印的快速生成框架，解決現(xiàn)有深度學(xué)習(xí)水印方法計(jì)算資源需求大的問(wèn)題。傳統(tǒng)方法需要重復(fù)調(diào)用深度模型來(lái)為每張圖像或視頻生成水印，計(jì)算成本高。本發(fā)明僅需一次生...

本發(fā)明提供一種高密度超薄柔性壓力傳感器陣列制備方法，包括：制備具有多孔結(jié)構(gòu)且導(dǎo)電粒子均勻分布的多孔導(dǎo)電膠體，多孔導(dǎo)電膠體的組分為碳納米管與聚二甲基硅氧烷；使用雙面熱釋放膠帶和水溶膠帶將金屬箔平整固定在玻璃片上，對(duì)金屬箔進(jìn)行激光切割制備陣...

本發(fā)明提供一種基于元目標(biāo)學(xué)習(xí)的強(qiáng)化學(xué)習(xí)方法，涉及機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，該方法為基于機(jī)器人觀測(cè)的狀態(tài)信號(hào)，控制機(jī)器人做出動(dòng)作；利用元目標(biāo)函數(shù)和雙層優(yōu)化框架，構(gòu)建強(qiáng)化學(xué)習(xí)模型；與環(huán)境交互獲得四元組后，首先更新強(qiáng)化學(xué)習(xí)模型中的評(píng)論家參數(shù)，其次聯(lián)合...

本發(fā)明公開(kāi)了一種基于無(wú)監(jiān)督學(xué)習(xí)的醫(yī)學(xué)圖像降噪與重建方法，涉及醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域，解決了現(xiàn)有的擴(kuò)散模型對(duì)醫(yī)學(xué)圖像進(jìn)行細(xì)節(jié)恢復(fù)和噪聲重建的效果不理想的技術(shù)問(wèn)題。該方法包括：根據(jù)醫(yī)學(xué)圖像，構(gòu)建至少兩個(gè)不同的第一頻域子集和第二頻域子集；將第一...

本發(fā)明公開(kāi)了一種文本生成視頻方法、裝置及存儲(chǔ)介質(zhì)，該方法包括步驟：S11：基于輸入文本提示生成目標(biāo)視頻幀的第一噪聲潛碼；S12：基于該輸入文本提示和該第一噪聲潛碼，生成該輸入文本提示中每個(gè)主體標(biāo)記的交叉注意力圖；S13：對(duì)該交叉注意力圖...

本發(fā)明公開(kāi)了一種基于偏振復(fù)用自干涉全息的消毒副產(chǎn)物檢測(cè)裝置，屬于消毒副產(chǎn)物檢測(cè)技術(shù)領(lǐng)域。本發(fā)明所述檢測(cè)裝置包括光源、分光器、濾光片、透鏡、兩個(gè)偏振片、空間光調(diào)制器以及CCD相機(jī)。光源發(fā)出綠色激發(fā)光照射到待測(cè)水體中，激發(fā)暴露在消毒副產(chǎn)物環(huán)...

本發(fā)明涉及農(nóng)作物產(chǎn)量預(yù)測(cè)技術(shù)領(lǐng)域，公開(kāi)了一種基于LSTM和GRU的農(nóng)作物產(chǎn)量預(yù)測(cè)方法，包括獲取農(nóng)作物種植數(shù)據(jù)；所述農(nóng)作物種植數(shù)據(jù)包括氣候參數(shù)和土壤參數(shù)；構(gòu)建基于LSTM和GRU的農(nóng)作物產(chǎn)量預(yù)測(cè)模型；利用LSTM網(wǎng)絡(luò)對(duì)農(nóng)作物種植數(shù)據(jù)提取第...

本申請(qǐng)公開(kāi)了一種基于生成對(duì)抗學(xué)習(xí)的未知信號(hào)識(shí)別方法，涉及信號(hào)調(diào)制識(shí)別技術(shù)領(lǐng)域。本申請(qǐng)通過(guò)引入生成器和判別器的對(duì)抗訓(xùn)練機(jī)制，利用生成對(duì)抗網(wǎng)絡(luò)產(chǎn)生與已知類別信號(hào)相似而不同的混淆樣本參與訓(xùn)練，以此增強(qiáng)分類模型對(duì)未知類別信號(hào)的識(shí)別能力，并保持原...

本發(fā)明涉及一種基于樣本重要性與梯度關(guān)聯(lián)性的老年癡呆癥聯(lián)邦學(xué)習(xí)方法。該方法包括以下步驟：首先，收集未患和患有老年癡呆癥的MRI掃描結(jié)果，使用編碼器生成編碼表示。然后利用本地?cái)?shù)據(jù)訓(xùn)練原型網(wǎng)絡(luò)，并通過(guò)計(jì)算樣本與原型之間的距離，將樣本分為重要樣...

本發(fā)明公開(kāi)了一種基于深度子空間聚類的遮擋目標(biāo)關(guān)聯(lián)方法，通過(guò)已有的目標(biāo)檢測(cè)方法，首先得到需要關(guān)聯(lián)的目標(biāo)。然后利用深度學(xué)習(xí)的方法得到待關(guān)聯(lián)目標(biāo)的特征表示，根據(jù)提取出來(lái)的目標(biāo)特征構(gòu)建一個(gè)自表達(dá)系數(shù)矩陣，用于學(xué)習(xí)數(shù)據(jù)之間的自表達(dá)關(guān)系。綜合重構(gòu)誤...

本發(fā)明提供一種基于碳包覆的二硫化鎳核殼納米盒結(jié)構(gòu)的高性能儲(chǔ)鈉復(fù)合材料的制備方法，屬于鈉離子電池負(fù)極材料制備的技術(shù)領(lǐng)域。目的在于通過(guò)鈉離子電池負(fù)極材料結(jié)構(gòu)的設(shè)計(jì)，緩解過(guò)渡金屬硫化物(TMSs)電極材料在循環(huán)過(guò)程中體積膨脹，同時(shí)解決導(dǎo)電率較...

本發(fā)明公開(kāi)了一種基于低頻增強(qiáng)的小樣本圖像分類遷移方法，將現(xiàn)有圖像分類模型劃分為圖像特征編碼器和分類器，對(duì)于圖像特征編碼器中每個(gè)卷積核設(shè)置一個(gè)卷積核適配器，將卷積核適配器和分類器的參數(shù)作為可學(xué)習(xí)參數(shù)，其他參數(shù)固定為圖像分類模型預(yù)訓(xùn)練得到的...