|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
基于超材料的肖特基型遠(yuǎn)紅外多譜信號探測器和制備方法
本發(fā)明公開了一種基于超材料的肖特基型遠(yuǎn)紅外多譜信號探測器，包括自下而上依次設(shè)置的襯底層、N 型砷化鎵層、二氧化硅層與超材料層、歐姆電極和肖特基電極；其中超材料層為具有周期性微納米結(jié)構(gòu)的金屬開環(huán)共振單元陣列，金屬開環(huán)共振單元陣列包含了多種圖形及其特征尺寸參數(shù)，每個圖形對于特定電磁波具有完全吸收特性，通過改變金屬開環(huán)共振單元的結(jié)構(gòu)和尺寸參數(shù)可以調(diào)控對應(yīng)的電磁波吸收頻段，通過改變 N 型砷化鎵的耗盡層寬度可以調(diào)控超材料層中
華中科技大學(xué)
2021-04-14
能提高煙塵凈化效果的多振鏡大幅面激光選區(qū)熔化裝備
本發(fā)明公開了一種能提高煙塵凈化效果的多振鏡大幅面激光選區(qū)熔化裝備，該裝備包含工作艙體、工作平臺、成形缸組件、鋪粉組件、振鏡組合、移動式分區(qū)煙塵凈化組件、保護(hù)氣氛調(diào)控組件和控制系統(tǒng)；移動式分區(qū)煙塵凈化組件與振鏡組合分別包含 M(M≥1)組抽送氣口和 M 列振鏡隊列，每組抽送氣口均與一列振鏡隊列相配套，使得每組抽送氣口都可在與其對應(yīng)的面積較小的輻照區(qū)域上方產(chǎn)生穩(wěn)定、均勻的氣流，從而保證整個金屬粉末層上方的煙塵均能被及時、
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
用于 GIS 矢量建筑物多邊形的多尺度表達(dá)信息生成方法
本發(fā)明提供一種用于 GIS 矢量建筑物多邊形的多尺度表達(dá)信息生成方法，包括輸入不同尺度下的同 名矢量建筑物多邊形，然后對起始圖形和目標(biāo)圖形分別轉(zhuǎn)為轉(zhuǎn)向角函數(shù)表達(dá)形式；基于轉(zhuǎn)向角函數(shù)分析 建筑物多邊形的邊特征，獲得邊的變換規(guī)律，包括將特征點(diǎn)匹配得到的邊集分別與目標(biāo)圖形對應(yīng)邊進(jìn)行 轉(zhuǎn)向角匹配，劃分同邊和異邊；融合得到任意中間尺度下多邊形的轉(zhuǎn)向角函數(shù)，轉(zhuǎn)為坐標(biāo)串表達(dá)形式， 得到中間尺度的插值圖形。本發(fā)明能在有效保持矢量建筑物多邊形直角化邊界特征的前提
武漢大學(xué)
2021-04-14
一種模塊化多電平換流器功率運(yùn)行區(qū)間的獲取方法
本發(fā)明公開了一種模塊化多電平換流器功率運(yùn)行區(qū)間的獲取方 法，包括下述步驟：(1)根據(jù)已知的模塊化多電平換流器的基本參數(shù)， 建立旋轉(zhuǎn)坐標(biāo)系下模塊化多電平換流器的穩(wěn)態(tài)數(shù)學(xué)解析模型；(2)確定 要考慮的運(yùn)行約束條件；(3)根據(jù)穩(wěn)態(tài)數(shù)學(xué)解析模型計算各約束條件下 功率運(yùn)行區(qū)間；(4)將各約束條件下的功率運(yùn)行區(qū)間取交集，獲得考慮 多重運(yùn)行約束條件下模塊化多電平換流器的功率運(yùn)行區(qū)間。本發(fā)明考 慮的運(yùn)行約束條件，通過建立一套旋轉(zhuǎn)坐標(biāo)系下模塊化多電平換流器 的穩(wěn)態(tài)數(shù)學(xué)解析模型，并通過取交集得到考慮多重約束條件下的功率
華中科技大學(xué)
2021-04-14
一種多軸聯(lián)動砂帶磨削加工中的進(jìn)退刀路規(guī)劃方法
本發(fā)明公開了一種砂帶磨削加工的進(jìn)退刀軌跡規(guī)劃方法，包括：確定初始進(jìn)刀路徑和退刀路徑；確定優(yōu)化的進(jìn)刀路徑和退刀路徑，即將初始進(jìn)刀路徑中沿其最后一個刀觸點(diǎn)依次到初始切削位置，然后再所形成的路徑作為優(yōu)化的進(jìn)刀路徑，將初始退刀路徑中從其中的第一個刀觸點(diǎn)開始依次沿后續(xù)刀觸點(diǎn)至切削結(jié)束位置，然后再反向形成的路徑作為優(yōu)化的退刀路徑；確定優(yōu)化的進(jìn)刀路徑和退刀路徑上各刀觸點(diǎn)處對應(yīng)的刀具浮動高度；根據(jù)上述優(yōu)化的進(jìn)刀路徑和退刀路徑及各自對應(yīng)的浮動高度，即可確定優(yōu)化的砂帶磨削加工中的進(jìn)刀軌跡和退刀軌跡。本發(fā)明的方法可以有效
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
潮風(fēng)草提取物在制備腫瘤多藥逆轉(zhuǎn)劑藥物中的應(yīng)用
潮風(fēng)草系蘿藦科Asclepiadaceae鵝絨藤屬植物潮風(fēng)草Cynanchum ascyrifolium (Franch. Et sav.)，分布在日本、朝鮮以及中國大陸的遼寧、吉林、山東、河北等地，多生于山坡草地上、疏林下向陽處和溝邊。《全國中草藥匯編》收載潮風(fēng)草的根味苦、咸，性寒，具有清熱涼血，利尿通淋，解毒療瘡的功能。用于陰虛內(nèi)熱，骨蒸潮熱，自汗盜汗，風(fēng)溫灼熱多眠，產(chǎn)后虛煩血厥，肺熱咳血，溫瘧，熱淋，血淋，風(fēng)溫痹痛，瘰疬，咽喉腫痛，乳癰，瘡癰腫痛，但至今未見潮風(fēng)草提取物用于腫瘤細(xì)胞多藥耐藥逆轉(zhuǎn)劑方面的報道。 惡性腫瘤是目前嚴(yán)重危害人類健康的疾病之一，它以細(xì)胞異常增殖和轉(zhuǎn)移為特點(diǎn)。世界衛(wèi)生組織統(tǒng)計資料表明，2000年全球新發(fā)惡性腫瘤病例約1000萬，死亡620萬，患病2200萬例；預(yù)計到2020年惡性腫瘤新發(fā)病例將達(dá)到1500萬，死亡1000萬，患病3000萬例。化療是惡性腫瘤綜合療法的方法之一，廣泛用于術(shù)前、術(shù)中和術(shù)后，但腫瘤細(xì)胞多藥耐藥現(xiàn)象嚴(yán)重影響化療對惡性腫瘤的療效。克服腫瘤藥物的多藥耐藥，恢復(fù)耐藥腫瘤細(xì)胞對藥物的敏感性，尋找高效低毒的腫瘤細(xì)胞多藥耐藥逆轉(zhuǎn)劑是當(dāng)前腫瘤治療藥物的研究方向。
青島大學(xué)
2021-04-13
一種基于多智能體強(qiáng)化學(xué)習(xí)的運(yùn)輸車路徑優(yōu)化方法
本發(fā)明提出一種基于多智能體強(qiáng)化學(xué)習(xí)的運(yùn)輸車路徑優(yōu)化方法，該方法涉及智能優(yōu)化技術(shù)領(lǐng)域， 我國AGV每年新增裝機(jī)量自2010年起迅速增長，自2013年起年同比增速維持在50%以上。目前AGV產(chǎn)品主要集中于中低端市場，產(chǎn)品功能比較單一。而一些大型汽車、家電企業(yè)希望通過獲得AGV系統(tǒng)和整機(jī)產(chǎn)品的相關(guān)技術(shù)，自己實(shí)現(xiàn)AGV產(chǎn)品的定制化生產(chǎn)。在此背景下，從AGV制造商的角度來說，要從國內(nèi)嚴(yán)重同質(zhì)化的中低端AGV產(chǎn)品中脫穎而出，從軟件系統(tǒng)上提供先進(jìn)的路徑規(guī)劃方法，并且在未來不斷升級，未嘗不是一種提升產(chǎn)品服務(wù)質(zhì)量、贏得客戶青睞的做法。隨著硬件性能的提高和計算技術(shù)的發(fā)展，系統(tǒng)仿真得以在越來越短的時間之內(nèi)完成，以每輛AGV為單位進(jìn)行微觀系統(tǒng)仿真可以更好地反映AGV之間的相互影響。而強(qiáng)化學(xué)習(xí)方法作為一種利用交互和反饋進(jìn)行策略優(yōu)化的機(jī)器學(xué)習(xí)方法，正好可以利用AGV交互的數(shù)據(jù)為每輛AGV規(guī)劃路徑，使總的生產(chǎn)效率或搬運(yùn)效率最高,從而降低物料搬運(yùn)的成本。
青島大學(xué)
2021-04-13
表征太赫茲量子級聯(lián)激光器多模效應(yīng)的電路建模仿真方法
本發(fā)明涉及一種表征太赫茲量子級聯(lián)激光器多模效應(yīng)的電路建模仿真方法，首先建立表征 THzQCL 有源層內(nèi)部載流子輸運(yùn)特性的多模速率方程組；接著建立表征ThzQCL內(nèi)部多模態(tài)效應(yīng)的物理方程模型； 然后通過變量代換和化簡得到相應(yīng)的等效電路模型；建立表征 THzQCL 輸入端電氣特性的等效電路模型； 建立表征 THzQCL 輸出端光功率特性的等效電路模型；最后建立電路宏模型，包括一個電氣端口和一個 光功率輸出端口，基于電路宏模型進(jìn)行光電性能仿真和輸出光譜性能測試。本發(fā)明可測試溫度對 THzQCL 各種光電性能的影響；可支持實(shí)現(xiàn)對 THzQCL 光電性能和輸出多模效應(yīng)的模擬和仿真。
武漢大學(xué)
2021-04-13
.jpg){kind=logo}
基于多模態(tài)情感分析的個性化英語教育系統(tǒng)及方法
本申請?zhí)峁┮环N基于多模態(tài)情感分析的個性化英語教育系統(tǒng)及方法，其系統(tǒng)包括：用于接收并處理學(xué)生的多模態(tài)數(shù)據(jù)的多模態(tài)交互模塊、用于對輸入的多模態(tài)數(shù)據(jù)進(jìn)行情感分析的情感識別模塊、基于學(xué)生的歷史學(xué)習(xí)數(shù)據(jù)評估該學(xué)生的實(shí)時學(xué)習(xí)狀態(tài)的個性化模塊、根據(jù)情感狀態(tài)與實(shí)時學(xué)習(xí)狀態(tài)動態(tài)調(diào)整互動反饋的核心大腦模塊。情感識別模塊包括情感信息融合，情感信息融合采用加權(quán)策略，并通過情感一致性約束和沖突修正機(jī)制來調(diào)整最終輸出的情感狀態(tài)。本申請通過情感一致性損失函數(shù)、沖突修正機(jī)制和基于知識圖譜的超綱控制機(jī)制，精準(zhǔn)識別學(xué)生情感和認(rèn)知狀態(tài)。
廈門大學(xué)
2021-01-12
.jpg){kind=logo}
一種基于多尺度池化的卷積神經(jīng)網(wǎng)絡(luò)人臉識別方法
本發(fā)明公開了一種基于多尺度池化的卷積神經(jīng)網(wǎng)絡(luò)人臉識別方法。該方法利用多尺度池化的卷積神經(jīng)網(wǎng)絡(luò)來提取人臉圖像的特征以實(shí)現(xiàn)人臉識別。在構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的過程中，采用卷積和最大值采樣交替的方法對特征進(jìn)行深度提取，另外對每層卷積層采用了多尺度池化的策略和步驟，一并輸入到全連接層，使其具有多尺度的、固定大小的特征列向量。本發(fā)明不需要對輸入的人臉圖像做截取或調(diào)整尺寸，不同尺寸的圖像都能使用同一個網(wǎng)絡(luò)進(jìn)行訓(xùn)練和識別。基于多尺度池化的卷積神經(jīng)網(wǎng)絡(luò)不但解決了輸入圖像尺寸可以不固定的問題，使得網(wǎng)絡(luò)能夠提取多尺度的人臉特征，而且對網(wǎng)絡(luò)性能帶來極大的提升，將會促進(jìn)多尺度池化的卷積神經(jīng)網(wǎng)絡(luò)在人臉識別中的廣泛應(yīng)用。
浙江大學(xué)
2021-01-12