本發(fā)明公開了一種熱固化膠粘劑誘導(dǎo)可見光激發(fā)下長余輝發(fā)射材料制備方法，將染料，助熔劑以及聚合物在容器中混合均勻，得到混合固體粉末，將混合固體粉末加熱熔化，并攪拌混勻，自然冷卻至室溫，得到有機(jī)長余輝材料。本發(fā)明制備方法制備工藝簡單，室溫制備...

本發(fā)明公開了一種多重壽命、顏色以及溫度刺激響應(yīng)的有機(jī)長余輝材料、制備方法及其應(yīng)用，由不同熔點(diǎn)且具有良好結(jié)晶度的主體材料，與具有不同余輝色彩潛力的客體材料，進(jìn)行摻雜而成。主體材料分別為三苯基膦（TPP）、二苯胺（DPA），客體材料選定聯(lián)苯...

本發(fā)明公開了一種基于節(jié)點(diǎn)和邊的關(guān)系進(jìn)行圖壓縮的方法，以提高子圖同構(gòu)搜索的效率，適用于大數(shù)據(jù)圖的處理。所述方法包括：首先，采用一種新穎的圖轉(zhuǎn)換算法將原始數(shù)據(jù)圖轉(zhuǎn)換為一個(gè)適應(yīng)性圖；其次，通過定義數(shù)據(jù)圖中節(jié)點(diǎn)間的四種關(guān)系（語法包含、語法等價(jià)、...

本發(fā)明公開了一種基于模態(tài)遷移學(xué)習(xí)的超聲舌靜默語音識別方法，涉及語音信息處理技術(shù)領(lǐng)域，本發(fā)明提出了一個(gè)多階段、多模態(tài)的建模管道，用于SSR的兩個(gè)主要挑戰(zhàn)，即有限的數(shù)據(jù)集和易混淆的靜默信號。引入了四個(gè)步驟過程來避免過度擬合和兩個(gè)額外的模塊來...

本發(fā)明公開了一種基于結(jié)構(gòu)感知與凸顯的低對比度目標(biāo)檢測系統(tǒng)，包括作為骨干網(wǎng)絡(luò)的PVTv2網(wǎng)絡(luò)，以及結(jié)構(gòu)特征感知部分、結(jié)構(gòu)特征增強(qiáng)部分、結(jié)構(gòu)特征融合部分，PVTv2網(wǎng)絡(luò)從待檢測圖像中提取四級尺度的高維特征，并將第一級尺度、第二級尺度、第四級...

本發(fā)明公開了一種基于多目標(biāo)優(yōu)化對抗樣本生成的新媒體內(nèi)容隱私保護(hù)系統(tǒng)，包括輸入模塊、多目標(biāo)優(yōu)化的對抗擾動生成模塊、目標(biāo)模型模塊，其中輸入模塊將原始圖像樣本轉(zhuǎn)換為序列化數(shù)據(jù)并形成初始擾動種群；多目標(biāo)優(yōu)化的對抗擾動生成模塊基于多目標(biāo)進(jìn)化算法處...

本發(fā)明公開了一種基于固有傳播模式的社交網(wǎng)絡(luò)節(jié)點(diǎn)重要性排名方法，包括以下步驟：步驟1、將社交網(wǎng)絡(luò)上的傳播模型分為確定性傳播模型和不確定性傳播模型；步驟2、通過蒙特卡洛模擬方法對步驟1中的不確定性傳播模型進(jìn)行事件傳播的提議分布重要性采樣；并...

本發(fā)明涉及計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域，尤其涉及一種基于網(wǎng)內(nèi)聚合加速的分布式計(jì)算加速方法，包括可編程交換機(jī)的網(wǎng)內(nèi)聚合模塊與傳輸協(xié)議模塊，所述網(wǎng)內(nèi)聚合模塊用于對內(nèi)存進(jìn)行分區(qū)和聚合器的分配，同時(shí)管理數(shù)據(jù)包的路由和聚合，所述傳輸協(xié)議模塊用于避免網(wǎng)內(nèi)聚合模塊...

本發(fā)明公開了一種基于智能眼鏡的盲人物體抓取導(dǎo)航系統(tǒng)，包括計(jì)算機(jī)視覺、人工智能、單雙目測距技術(shù)，本發(fā)明可以廣泛應(yīng)用到視障人群日常生活抓取物體中，并且應(yīng)用環(huán)境廣泛，識別物體多樣.同時(shí)考慮到復(fù)雜地形，可實(shí)時(shí)監(jiān)測到路徑中的障礙物并提示用戶避讓。...

本發(fā)明公開了一種基于異常值大模型訓(xùn)練后權(quán)重激活量化方法，包括權(quán)重量化過程與推理時(shí)激活值量化過程。權(quán)重量化中將模型位寬離線轉(zhuǎn)換為低比特表示，而推理時(shí)權(quán)重激活值量化中則負(fù)責(zé)初始化量化后的權(quán)重模型，并在推理運(yùn)行期間對線性層的輸入進(jìn)行預(yù)縮放，最...

本發(fā)明提供一種基于信號合成的毫米波雷達(dá)偽目標(biāo)生成方法，包括：基于已有的用戶移動軌跡數(shù)據(jù)集，拼接組合成新的軌跡；基于已有的SMPL動作捕捉數(shù)據(jù)集，向新軌跡上嵌入人體模型；基于已有的呼吸曲線數(shù)據(jù)集，拼接組合成新的呼吸曲線；在人體網(wǎng)格模型中通...

本發(fā)明提供基于多層次卸載網(wǎng)絡(luò)的服務(wù)卸載方法及系統(tǒng)，方法包括：提出一種設(shè)備的資源定價(jià)方案，設(shè)計(jì)多層級的任務(wù)卸載算法MOS，使得用戶完成任務(wù)的收益最大化；多層級的任務(wù)卸載算法MOS以用戶為中心、以任務(wù)最大完成時(shí)延為約束，構(gòu)建起多層級的任務(wù)卸...

本發(fā)明公開了一種基于智能手套的手語識別方法，本發(fā)明基于智能手套，通過多模態(tài)技術(shù)結(jié)合手勢傳感器數(shù)據(jù)和視覺數(shù)據(jù)減少數(shù)據(jù)采集難度，利用視頻數(shù)據(jù)結(jié)合機(jī)器和深度學(xué)習(xí)技術(shù)訓(xùn)練模型，使用傳感器數(shù)據(jù)驗(yàn)證模型，完成了較高精確度的易于擴(kuò)展的手語識別模型，還...

本發(fā)明涉及配電網(wǎng)技術(shù)領(lǐng)域，尤其是一種基于改進(jìn)前推回代法的SOP與DG有/無功協(xié)同優(yōu)化方法，包括以下步驟，步驟1，構(gòu)建基于改進(jìn)前推回代法的潮流模型，步驟2，建立SOP模型與DG協(xié)同優(yōu)化模型，步驟3，基于步驟1和步驟2提出數(shù)據(jù)驅(qū)動的MASA...

本發(fā)明提供面向內(nèi)容共享的D2D服務(wù)供應(yīng)機(jī)制實(shí)現(xiàn)方法及系統(tǒng)，方法包括：提出聯(lián)合功率控制的頻譜復(fù)用模型，將D2D用戶與蜂窩用戶的頻譜分配問題轉(zhuǎn)化為最大化接入的D2D用戶數(shù)量，同時(shí)最小化蜂窩用戶與D2D用戶的傳輸功率問題，映射到圖論中的最小費(fèi)...

本發(fā)明提供用戶隱私保護(hù)驅(qū)動的計(jì)算卸載方法及系統(tǒng)。方法包括：引入了隱私熵的概念來量化用戶隱私的保護(hù)程度；考慮用戶的卸載決策對服務(wù)體驗(yàn)的影響，將問題建模為多目標(biāo)優(yōu)化問題；權(quán)衡隱私保護(hù)與服務(wù)體驗(yàn)的重要性，采用帕累托方法結(jié)合改進(jìn)的多目標(biāo)蝙蝠算法...

基于藥物融合相關(guān)性數(shù)據(jù)及圖卷積網(wǎng)絡(luò)預(yù)測藥物毒性方法，屬于機(jī)器學(xué)習(xí)及藥物化學(xué)與毒理基因組結(jié)合技術(shù)領(lǐng)域，解決如何提高藥物毒性的預(yù)測效果的問題，本發(fā)明利用蛋白質(zhì)相互作用網(wǎng)絡(luò)得到藥物間相關(guān)性，同時(shí)對藥物進(jìn)行化學(xué)結(jié)構(gòu)進(jìn)行分析，將藥物間相關(guān)性與相似...

本發(fā)明公開了一種大規(guī)模社交網(wǎng)絡(luò)上的關(guān)鍵用戶識別方法，包括以下步驟：步驟1、根據(jù)社交網(wǎng)絡(luò)結(jié)構(gòu)，獲取每個(gè)用戶節(jié)點(diǎn)的k跳子圖；步驟2、在每個(gè)用戶節(jié)點(diǎn)的k跳子圖上通過分層計(jì)算，得到用戶節(jié)點(diǎn)的中介中心性，以及中介中心性的上、下界；步驟3、根據(jù)各個(gè)...

本發(fā)明公開了一種用于兩步單斜ADC的數(shù)字校正電路處理方法，涉及集成電路設(shè)計(jì)領(lǐng)域，包括步驟一：粗碼值產(chǎn)生電路與單斜坡ADC的斜坡發(fā)生器的計(jì)數(shù)器同步計(jì)數(shù)，當(dāng)多輸入與門被阻塞，CK信號停止對后續(xù)的反向計(jì)數(shù)器產(chǎn)生影響，并將信號傳至步驟二：當(dāng)比較...

本發(fā)明涉及計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域，尤其涉及一種基于激光測距系統(tǒng)的消除TDC行走誤差的方法，包括；步驟一：基于ADC采集激光回波數(shù)據(jù)；步驟二：對采集的激光回波數(shù)據(jù)進(jìn)行擬合和歸一化縮放處理；步驟三：計(jì)算TDC行走誤差的矯正量ΔT；步驟四：對TDC得...