本申請(qǐng)涉及一種基于FPGA的芯片高速互聯(lián)多通道數(shù)據(jù)同步方法和系統(tǒng)。方法包括：配置數(shù)據(jù)發(fā)送端輸出多路并行的基準(zhǔn)測(cè)試數(shù)據(jù)至FPGA，F(xiàn)PGA包括多個(gè)高速接收模塊、多個(gè)緩存模塊、移位控制模塊及計(jì)數(shù)模塊，高速接收模塊接收多路并行數(shù)據(jù)后傳輸至對(duì)應(yīng)...

本申請(qǐng)涉及一種多智能體深度強(qiáng)化學(xué)習(xí)方法、裝置、設(shè)備和介質(zhì)，涉及強(qiáng)化學(xué)習(xí)技術(shù)領(lǐng)域。所述方法包括：針對(duì)嚴(yán)肅游戲場(chǎng)景中的多智能體協(xié)同決策問題，構(gòu)建多智能體強(qiáng)化學(xué)習(xí)模型；基于多類型先驗(yàn)策略引導(dǎo)和策略熵的自適應(yīng)課程學(xué)習(xí)機(jī)制對(duì)模型進(jìn)行訓(xùn)練；訓(xùn)練交互...

本發(fā)明涉及人工智能視覺?語(yǔ)言訓(xùn)練技術(shù)領(lǐng)域，針對(duì)現(xiàn)有視覺?語(yǔ)言預(yù)訓(xùn)練模型中全局特征冗余與局部語(yǔ)義模糊問題，提供一種基于自適應(yīng)融合的圖文跨模態(tài)對(duì)齊方法與裝置。方法包括：通過圖像與文本編碼器提取醫(yī)學(xué)圖像、主訴及診斷文本的全局與局部特征；引入維...

本申請(qǐng)涉及一種面向生成式可視化代碼的安全審計(jì)與資源調(diào)度方法及系統(tǒng)。方法包括：接收用于可視化處理的結(jié)構(gòu)化原始數(shù)據(jù)以及大語(yǔ)言模型輸出的生成式可視化代碼；解析生成式可視化代碼并轉(zhuǎn)換為抽象語(yǔ)法樹，遍歷抽象語(yǔ)法樹的語(yǔ)法節(jié)點(diǎn)，根據(jù)安全審計(jì)匹配規(guī)則進(jìn)...

本發(fā)明提供一種大口徑大視場(chǎng)寬波段消色差超透鏡設(shè)計(jì)方法，通過模仿傳統(tǒng)魚眼鏡頭的結(jié)構(gòu)，將不同視場(chǎng)角的入射光經(jīng)光闌后映射到超透鏡表面不同的單元區(qū)域，并利用光學(xué)設(shè)計(jì)軟件對(duì)等效透鏡系統(tǒng)進(jìn)行優(yōu)化以矯正大視場(chǎng)像差。在此基礎(chǔ)上，構(gòu)建混合算法框架和正向映...

本申請(qǐng)屬于半導(dǎo)體器件技術(shù)領(lǐng)域，涉及一種射頻開關(guān)器件的制備方法，包括：在襯底上沉積相變材料，得到相變材料層；在相變材料層上制備第一電極；在第一電極與相變材料層的連接處沉積導(dǎo)電犧牲層；在相變材料層上制備第二電極，并使第二電極覆蓋導(dǎo)電犧牲層；...

本申請(qǐng)涉及一種文檔處理方法、系統(tǒng)和計(jì)算機(jī)設(shè)備。包括：針對(duì)現(xiàn)有文檔解析多依賴固定格式或人工標(biāo)注，難以應(yīng)對(duì)目錄缺失、標(biāo)題樣式不統(tǒng)一及表格/圖片等復(fù)雜對(duì)象處理的問題。本申請(qǐng)通過融合多源特征并基于規(guī)則引擎與機(jī)器學(xué)習(xí)模型，能夠準(zhǔn)確識(shí)別多個(gè)文檔章節(jié)...

本申請(qǐng)公開了一種面向國(guó)產(chǎn)操作系統(tǒng)的類型自適應(yīng)智能體網(wǎng)頁(yè)搜索方法，屬于智能體與搜索引擎交互技術(shù)領(lǐng)域。該方法中，接收用戶自然語(yǔ)言查詢后，先識(shí)別查詢類型為常識(shí)性或時(shí)效性并匹配對(duì)應(yīng)信息源，再按查詢類型優(yōu)化關(guān)鍵詞，依據(jù)網(wǎng)站權(quán)威性等篩選排序并抓取內(nèi)...

本申請(qǐng)涉及一種基于雙向動(dòng)態(tài)交互的多模態(tài)語(yǔ)義理解方法、裝置和設(shè)備。方法包括：獲取模因樣本，構(gòu)建含特征提取、融合及多任務(wù)分類模塊的聯(lián)合學(xué)習(xí)模型；通過特征提取模塊，以思維鏈提示引導(dǎo)多模態(tài)大模型生成視覺、仇恨及隱喻描述，經(jīng)預(yù)訓(xùn)練多模態(tài)編碼器將描...

本申請(qǐng)涉及基于雙重?cái)?shù)據(jù)增強(qiáng)的信號(hào)檢測(cè)與識(shí)別方法、裝置和設(shè)備，所述方法包括：根據(jù)發(fā)射信號(hào)、信道沖擊響應(yīng)以及加性噪聲，構(gòu)建接收信號(hào)模型；根據(jù)接收信號(hào)模型，采用仿真方式構(gòu)建源域增強(qiáng)數(shù)據(jù)集；通過空間分布的多傳感器陣列采集信號(hào)，構(gòu)建信道增強(qiáng)數(shù)據(jù)集...

本發(fā)明涉及光電探測(cè)與導(dǎo)航技術(shù)領(lǐng)域，為解決現(xiàn)有可見光或偏振光太陽(yáng)探測(cè)技術(shù)在復(fù)雜天氣下信號(hào)衰減、可靠性低的問題，公開了一種基于熱敏視覺的太陽(yáng)矢量定向方法、裝置與計(jì)算機(jī)設(shè)備。所述方法包括：利用近紅外熱敏視覺傳感器獲取天空區(qū)域的熱紅外圖像；進(jìn)行...

本申請(qǐng)公開了一種移動(dòng)系統(tǒng)Web應(yīng)用功耗優(yōu)化實(shí)現(xiàn)方法及裝置，屬于Web操作系統(tǒng)技術(shù)領(lǐng)域。該方法中，采集Web應(yīng)用10維狀態(tài)特征并標(biāo)準(zhǔn)化；為待優(yōu)化應(yīng)用創(chuàng)建獨(dú)立cgroup，構(gòu)建含uclamp級(jí)別、持續(xù)時(shí)間的10級(jí)uclamp分級(jí)調(diào)控動(dòng)作；基...

本發(fā)明公開了一種無人機(jī)CVBS視頻信號(hào)高效檢測(cè)方法和裝置，所述方法包括：采集得到空間電磁信號(hào)；所述空間電磁信號(hào)，為待檢測(cè)是否包含有FPV無人機(jī)模擬圖傳信號(hào)的空間電磁輻射信號(hào)；對(duì)所述空間電磁信號(hào)進(jìn)行分類提取處理，得到分路信號(hào)集合；所述分路...

本發(fā)明涉及第二模態(tài)內(nèi)孤立波水平載荷預(yù)測(cè)方法、裝置、設(shè)備和介質(zhì)，涉及內(nèi)孤立波預(yù)測(cè)技術(shù)領(lǐng)域。方法包括：獲取動(dòng)能分布以及水下結(jié)構(gòu)件所受的水平載荷真實(shí)值；基于動(dòng)能分布，計(jì)算第二模態(tài)內(nèi)孤立波作用于水下結(jié)構(gòu)件的水平速度和水平加速度；根據(jù)水平速度與水...

本申請(qǐng)涉及一種無監(jiān)督域自適應(yīng)目標(biāo)檢測(cè)方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)。所述方法包括：提出有益信息最大化與解耦框架，通過提取充足有益信息、最小化冗余信息實(shí)現(xiàn)有效域?qū)R。該框架含三大單元：潛在有益信息挖掘單元，估計(jì)含語(yǔ)義變化的統(tǒng)計(jì)特性偏移以調(diào)制特...

本技術(shù)屬于采樣檢測(cè)設(shè)備技術(shù)領(lǐng)域，尤其涉及一種海水采樣裝置。包括吊繩、采樣管、連接繩、存儲(chǔ)器；采樣管包括采樣筒、活塞、封蓋、轉(zhuǎn)塊；采樣筒上端封閉且與吊繩連接，活塞可上下滑動(dòng)地安裝在采樣筒中，封蓋蓋設(shè)在采樣筒底部開口處；封蓋和轉(zhuǎn)塊中間設(shè)有通...

本發(fā)明提供的一種分層剪枝的輕量化SAR艦船目標(biāo)檢測(cè)方法，所述方法包括：以YOLOv7?tiny為基礎(chǔ)，構(gòu)建基于DFES?Net網(wǎng)絡(luò)的艦船目標(biāo)檢測(cè)模型；DFES?Net網(wǎng)絡(luò)具體為：以YOLOv7?tiny為基礎(chǔ)，通過輕量化可變形特征融合模...

本申請(qǐng)涉及一種紅外小目標(biāo)跨場(chǎng)景檢測(cè)方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，通過采用局部窗口像素掩碼處理源域原始紅外圖像構(gòu)建訓(xùn)練數(shù)據(jù)集，將訓(xùn)練圖像輸入目標(biāo)檢測(cè)網(wǎng)絡(luò)，經(jīng)編碼器提取多尺度特征后，由檢測(cè)分支和局部像素修復(fù)分支分別輸出目標(biāo)分割掩碼和被掩碼像素...

本申請(qǐng)涉及一種場(chǎng)景依賴的視頻異常檢測(cè)方法和裝置。所述方法包括：獲取事件與場(chǎng)景特征。對(duì)特征預(yù)處理后，場(chǎng)景特征施加隨機(jī)擾動(dòng)，事件特征經(jīng)時(shí)間維度自注意力更新。通過場(chǎng)景條件融合塊生成調(diào)制參數(shù)，調(diào)制并融合事件特征后殘差連接，輸入場(chǎng)景條件分類頭，以...

本發(fā)明公開了一種圖數(shù)據(jù)節(jié)點(diǎn)分類測(cè)試時(shí)訓(xùn)練中的表征微調(diào)方法及系統(tǒng)，本發(fā)明方法包括在預(yù)訓(xùn)練階段，利用源域數(shù)據(jù)預(yù)訓(xùn)練圖數(shù)據(jù)節(jié)點(diǎn)分類模型；在測(cè)試時(shí)訓(xùn)練中的表征微調(diào)階段，利用干預(yù)感知掩蔽自動(dòng)編碼器迭代優(yōu)化低秩表示干預(yù)函數(shù)的參數(shù)；在推理階段，針對(duì)無...