|
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}
一種用于數(shù)據(jù)去重系統(tǒng)中的碎片重寫方法
本發(fā)明公開了一種用于數(shù)據(jù)去重系統(tǒng)的碎片重寫方法，其在數(shù) 據(jù)去重中增加一個緩存作為重寫感知緩存，該重寫感知緩存中的數(shù)據(jù) 項(xiàng)為數(shù)據(jù)塊所引用的容器標(biāo)識(Container-ID)，對判定為數(shù)據(jù)碎片的數(shù) 據(jù)塊，如果其引用的容器標(biāo)識(Container-ID)已存儲在該重寫感知緩存 中，則此數(shù)據(jù)無需重寫，否則重寫該數(shù)據(jù)碎片。本發(fā)明的方法是在數(shù) 據(jù)去重的過程中增加了一個與數(shù)據(jù)讀時同樣大小且緩存策略相同的緩 存，避免了不必要的重復(fù)
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
芬戈莫德在治療根尖周炎中的用途
本發(fā)明公開了芬戈莫德(Fingolimod)在治療根尖周炎中的用途。本發(fā)明通過體內(nèi)實(shí)驗(yàn)發(fā)現(xiàn) Fingolimod 可顯著抑制開髓所導(dǎo)致的根尖周炎病灶局部炎癥細(xì)胞的浸潤和骨質(zhì)破壞;并通過降低 S1P1 和 RANKL 表達(dá)水平，動態(tài)調(diào)節(jié)根尖周炎灶局部 RANKL/OPG 比值，達(dá)到治療根尖周炎的作用。上述結(jié) 果表明&nb
武漢大學(xué)
2021-04-14
.jpg){kind=logo}
一種RANSAC計算基本矩陣中內(nèi)點(diǎn)門限設(shè)置算法
為了解決計算機(jī)多視幾何中稀疏特征點(diǎn)錯誤匹配導(dǎo)致基本矩陣F精度不高的問題，提出一種RANSAC(RANdom SAmple Consensus)求解F時自動設(shè)置內(nèi)點(diǎn)門限的方法。此方法根據(jù)RANSAC求解F矩陣的要素，將固定設(shè)置極線距離門限Th的方式改為自動設(shè)置，提高了算法的魯棒性。這些要素是圖像對中的稀疏特征點(diǎn)匹配的個數(shù)N、圖像像素多少、初始計算得到的特征點(diǎn)到極線的平均距離Dinit。Th計算采用公式Th = Min(w×N/51200, Dinit/3)，w為圖像的寬，單位為像素。Min為取二者最小值的函數(shù)。門限Th與圖像大小和特征點(diǎn)匹配個數(shù)成正比，圖像越大，匹配越多，Th越大。相對于傳統(tǒng)方法，本方法將固定門限變成了自動設(shè)置，可以自適應(yīng)三維重建不同類型的圖片，更加實(shí)用和魯棒。
四川大學(xué)
2016-10-08
大學(xué)（北京）.jpg){kind=logo}
面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動選擇方法
本發(fā)明兼顧地學(xué)空間統(tǒng)計學(xué)和模式識別理論方法，基于統(tǒng)計方法提出分割前最優(yōu)尺度分割參數(shù)自動選擇及分割后的尺度效應(yīng)評價及尺度分割參數(shù)的優(yōu)化調(diào)整，提高了面向?qū)ο筮b感影像信息提取和分析的精度、效率和自動化程度。
中國地質(zhì)大學(xué)（北京）
2021-04-14
一種聚簇圖集合中的子圖檢索方法
本發(fā)明公開了一種聚簇圖集合中的子圖檢索方法，包括：索引 建立步驟，根據(jù)聚簇圖的結(jié)構(gòu)信息和結(jié)點(diǎn)屬性計算聚簇圖集合中各聚 簇圖之間的相似性，根據(jù)各聚簇圖之間的相似性采用層次聚類算法將 相近的聚簇圖聚類，直到剩下一個聚簇圖；子圖檢索步驟；根據(jù)用戶 發(fā)起查詢圖的結(jié)構(gòu)以及頂點(diǎn)屬性，對聚簇圖索引樹采用樹的自頂向下 的方式進(jìn)行查詢圖的同構(gòu)匹配。本發(fā)明通過在數(shù)據(jù)集合中建立樹形索 引，盡早過濾不包含查詢圖的數(shù)據(jù)項(xiàng)，進(jìn)行加快查詢速度，提
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
圖像自動標(biāo)注和模型訓(xùn)練技術(shù)在工業(yè)視覺中的應(yīng)用
1. 痛點(diǎn)問題
工業(yè)視覺場景下普遍存在缺陷樣本數(shù)量少、難采集，已有標(biāo)注方案無法完全發(fā)揮樣本數(shù)據(jù)效用等問題。在工業(yè)視覺應(yīng)用場景中，產(chǎn)線整體生產(chǎn)良率均已達(dá)到相當(dāng)水平，人工可識別的缺陷樣本數(shù)量相對較少，且采集難度較大。制造生產(chǎn)環(huán)節(jié)對產(chǎn)線效率要求較高，模型訓(xùn)練難以實(shí)現(xiàn)精度與效率上的平衡。
2. 解決方案
本項(xiàng)目將最新的少樣本學(xué)習(xí)、連續(xù)學(xué)習(xí)、模型壓縮與優(yōu)化技術(shù)，與工業(yè)場景中的缺陷檢測需求深入結(jié)合，致力于工業(yè)視覺自主知識產(chǎn)權(quán)軟硬件一體化裝備研發(fā)。針對玻璃深加工與半導(dǎo)體晶圓宏觀缺陷檢測，本項(xiàng)目已完成工業(yè)視覺全流程視覺感知算法、人工智能算法研發(fā)平臺、玻璃智能一體檢測設(shè)備、晶圓宏觀缺陷檢測設(shè)備等智能設(shè)備的原理驗(yàn)證和裝備試制，同時有多項(xiàng)智能設(shè)備在研。
本項(xiàng)目在玻璃與半導(dǎo)體缺陷檢測中，基于圖像自動標(biāo)注方法完成少樣本場景下的數(shù)據(jù)采集與標(biāo)注，通過弱監(jiān)督學(xué)習(xí)和連續(xù)學(xué)習(xí)方法完成有效模型構(gòu)建，并針對長尾數(shù)據(jù)集設(shè)計模型訓(xùn)練和優(yōu)化方法，實(shí)現(xiàn)高效工業(yè)視覺感知計算。針對工業(yè)視覺場景，本項(xiàng)目集成視覺感知算法能力，研發(fā)人工智能算法研發(fā)平臺，該平臺秉承低代碼化、可視化等原則，打造包含數(shù)據(jù)采集與標(biāo)注、算法訓(xùn)練與評估、模型壓縮與優(yōu)化、應(yīng)用部署與管理的數(shù)據(jù)閉環(huán)。
合作需求
尋求浮法玻璃深加工、半導(dǎo)體加工與制造等行業(yè)企業(yè)合作。
清華大學(xué)
2021-12-23
州大學(xué).jpg){kind=logo}
燃燒過程中氮氧化物減排工藝及裝備
通過燃燒裝置改型、燃燒工藝及燃燒狀態(tài)的精確調(diào)控，在不降低、甚至提高能量利用效率的基礎(chǔ)上，以燃料發(fā)揮脫硝劑的作用，從源頭降低燃燒、特別是燃煤過程中氮氧化物的生成量。該成果對推進(jìn)節(jié)能減排事業(yè)具有重要的工程意義，該成果以鍋爐原使用的燃料、 特別是煤粉作為脫硝材料， 相比目前的“煙氣脫硝技術(shù)”具有成本低廉的明顯優(yōu)勢，經(jīng)濟(jì)效益明顯。
揚(yáng)州大學(xué)
2021-04-14
業(yè)大學(xué).jpg){kind=logo}
蔗糖合成酶在調(diào)控植物果實(shí)發(fā)育中的應(yīng)用
本發(fā)明公開了一種蔗糖合成酶在調(diào)控植物果實(shí)發(fā)育中的應(yīng)用。本發(fā)明提供了一種培育轉(zhuǎn)基因植物的方法，是將蔗糖合成酶的編碼基因?qū)肽康闹参镏校玫睫D(zhuǎn)基因植物；所述轉(zhuǎn)基因植物果實(shí)產(chǎn)量大于所述目的植物。所述蔗糖合成酶的編碼基因具體可為蔗糖合成酶基因CsSus4。本發(fā)明發(fā)現(xiàn)了蔗糖合成酶基因CsSus4在黃瓜果實(shí)發(fā)育過程中發(fā)揮著的關(guān)鍵性作用，可以調(diào)節(jié)庫強(qiáng)從而促進(jìn)果實(shí)的
中國農(nóng)業(yè)大學(xué)
2021-04-14
一種含鈦高爐渣中鈦組分磁化轉(zhuǎn)化方法
本發(fā)明公開了一種將含鈦高爐渣中鈦組分轉(zhuǎn)化為可以通過磁選分離富集的鈦鐵礦物相的方法，其方法包括：第一步，將含鈦高爐渣與綠礬在氧化性氣氛中焙燒，使全部鈦組分轉(zhuǎn)化為無磁性的假板鈦礦，得到一次轉(zhuǎn)化渣；第二步，采用碳酸銨在水溶液中將一次轉(zhuǎn)化渣中硫酸鈣轉(zhuǎn)化為碳酸鈣，得到二次轉(zhuǎn)化渣；第三步，將二次轉(zhuǎn)化渣采用煤氣還原，使假板鈦礦轉(zhuǎn)化為具有磁性的鈦鐵礦，得到三次轉(zhuǎn)化渣。本發(fā)明反應(yīng)條件溫和，所得三次轉(zhuǎn)化渣可以通過磁選分離富集鈦鐵礦，作為硫酸法鈦白生產(chǎn)原料，磁選尾渣可以用作水泥添加劑，從而實(shí)現(xiàn)了含鈦高爐渣的綜合利用；同時還可以實(shí)現(xiàn)硫酸法鈦白副產(chǎn)綠礬的綜合利用。
四川大學(xué)
2016-10-11
藥大學(xué).jpg){kind=logo}
雙重（三重）差分模型在政策評價中的運(yùn)用
雙重（三重）差分模型通過設(shè)置交互項(xiàng)來分析政策效應(yīng)，在政策評價領(lǐng)域具有明顯優(yōu)勢。該研究設(shè)計的優(yōu)勢在于：第一，通過將改革引起的結(jié)局變量時間前后差異和組織內(nèi)外部因素引起的結(jié)局變量的差異結(jié)合起來，以反映改革的效應(yīng)。第二，其他因素的影響，如研究階段內(nèi)可能存在其他政策，這些政策可能與本研究關(guān)注的結(jié)局相關(guān)。如果這些政策對不同組別的影響不一致，那么排除這些政策就可能會產(chǎn)生偏倚。如果研究樣本當(dāng)中這些因素分布不均衡，就應(yīng)該對這些非隨機(jī)的因素進(jìn)行控制以稀釋它的不同影響。尤其是在評價宏觀事件的影響時，因?yàn)樵谘芯吭O(shè)計上無法找到一個符合實(shí)際的合理的對照組而對控制其他改革效應(yīng)帶來了難度。雙重差分可提供一個罕見于其他相關(guān)研究的機(jī)會，通過政策實(shí)施前后結(jié)果取差來排除沒有考慮到的因素的存在以及由于它們的存在可能造成的混雜效應(yīng)，使對政策效應(yīng)的分析更加可行，也更接近現(xiàn)實(shí)實(shí)際。
成都中醫(yī)藥大學(xué)
2015-07-15