|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
哈爾濱工程大學(xué)水下移動(dòng)式控制平臺(tái)等設(shè)備采購項(xiàng)目競(jìng)爭(zhēng)性磋商公告
哈爾濱工程大學(xué)水下移動(dòng)式控制平臺(tái)等設(shè)備采購項(xiàng)目競(jìng)爭(zhēng)性磋商
哈爾濱工程大學(xué)
2022-06-08
傳媒大學(xué).jpg){kind=logo}
中國(guó)傳媒大學(xué)2022年重要系統(tǒng)等級(jí)保護(hù)測(cè)評(píng)項(xiàng)目競(jìng)爭(zhēng)性磋商
中國(guó)傳媒大學(xué)2022年重要系統(tǒng)等級(jí)保護(hù)測(cè)評(píng)項(xiàng)目競(jìng)爭(zhēng)性磋商
中國(guó)傳媒大學(xué)
2022-06-09
林科技大學(xué).jpg){kind=logo}
西北農(nóng)林科技大學(xué)高精度地物光譜儀采購項(xiàng)目競(jìng)爭(zhēng)性磋商公告
西北農(nóng)林科技大學(xué)高精度地物光譜儀采購項(xiàng)目競(jìng)爭(zhēng)性磋商
西北農(nóng)林科技大學(xué)
2022-06-15
哈爾濱工程大學(xué)數(shù)控模擬系統(tǒng)及桌面級(jí)數(shù)控加工中心采購項(xiàng)目競(jìng)爭(zhēng)性磋商公告
哈爾濱工程大學(xué)數(shù)控模擬系統(tǒng)及桌面級(jí)數(shù)控加工中心采購項(xiàng)目競(jìng)爭(zhēng)性磋商
哈爾濱工程大學(xué)
2022-06-02
哈爾濱工程大學(xué)電化學(xué)碳捕獲及電催化轉(zhuǎn)化系統(tǒng)采購項(xiàng)目競(jìng)爭(zhēng)性磋商
哈爾濱工程大學(xué)電化學(xué)碳捕獲及電催化轉(zhuǎn)化系統(tǒng)采購項(xiàng)目競(jìng)爭(zhēng)性磋商
哈爾濱工程大學(xué)
2022-06-06
哈爾濱工程大學(xué)軟包/固態(tài)電池電極極片制備設(shè)備采購及服務(wù)競(jìng)爭(zhēng)性磋商
哈爾濱工程大學(xué)軟包/固態(tài)電池電極極片制備設(shè)備采購及服務(wù)競(jìng)爭(zhēng)性磋商
哈爾濱工程大學(xué)
2022-06-06
.jpg){kind=logo}
大連理工大學(xué)少子壽命檢測(cè)儀采購項(xiàng)目競(jìng)爭(zhēng)性磋商
大連理工大學(xué)少子壽命檢測(cè)儀采購項(xiàng)目競(jìng)爭(zhēng)性磋商
大連理工大學(xué)
2022-06-13
經(jīng)大學(xué).jpg){kind=logo}
異質(zhì)性調(diào)整成本視角下電力產(chǎn)業(yè)資源錯(cuò)配與全要素生產(chǎn)率改進(jìn)研究
電力產(chǎn)業(yè)高質(zhì)量發(fā)展需要提升現(xiàn)有資源配置效率，目前火電、風(fēng)電、水電部門能源結(jié)構(gòu)能耗偏高，產(chǎn)能過剩問題突出。因此，需要良好設(shè)計(jì)的產(chǎn)業(yè)政策降低錯(cuò)配以提高全要素生產(chǎn)率。本項(xiàng)目通過建立衡量產(chǎn)業(yè)內(nèi)廠商間生產(chǎn)性資源的錯(cuò)配程度的理論模型，從調(diào)整成本出發(fā)進(jìn)一步解釋廠商間生產(chǎn)性收益率差距產(chǎn)生的原因，并通過反事實(shí)模擬分析為電力產(chǎn)業(yè)的政策制定提供參考。
西南財(cái)經(jīng)大學(xué)
2021-02-01
科大學(xué).jpg){kind=logo}
一種基于菌毛多樣性的尿路感染大腸桿菌的分型方法
本發(fā)明提出了一種基于菌毛多樣性的尿路感染大腸桿菌的分型方法，該方法可對(duì)尿路感染大腸桿菌進(jìn)行精細(xì)分型，從而對(duì)感染菌株的耐藥性和毒性進(jìn)行判斷，可為尿道感染的精準(zhǔn)診斷與治療提供參考依據(jù)。
天津醫(yī)科大學(xué)
2021-02-01
.jpg){kind=logo}
一種基于選擇性隱樸素貝葉斯分類器的網(wǎng)絡(luò)故障診斷方法
本發(fā)明公開了一種基于選擇性隱樸素貝葉斯分類器的網(wǎng)絡(luò)故障 診斷方法，包括：(1)從網(wǎng)絡(luò)歷史數(shù)據(jù)庫中獲取歷史數(shù)據(jù)，包括癥狀變 量集以及故障類變量集；(2)構(gòu)建選擇性隱樸素貝葉斯分類器預(yù)測(cè)模型， 根據(jù)癥狀變量集中的每個(gè)癥狀變量確定對(duì)應(yīng)的最相關(guān)癥狀變量集合； (3)所述選擇性隱樸素貝葉斯分類器通過訓(xùn)練歷史數(shù)據(jù)自動(dòng)學(xué)習(xí)到分類 器參數(shù)；(4)進(jìn)行故障診斷時(shí)，對(duì)測(cè)試數(shù)據(jù)利用上述選擇性隱樸素貝葉 斯分類器進(jìn)行估計(jì)得到對(duì)應(yīng)最終的故障診斷結(jié)果。通過執(zhí)行本發(fā)明中的網(wǎng)絡(luò)故障診斷方法，有效解決了現(xiàn)有網(wǎng)絡(luò)故障診斷中運(yùn)算復(fù)雜度高、 網(wǎng)絡(luò)診斷結(jié)果偏差大的問題，顯著提高了網(wǎng)絡(luò)診斷的準(zhǔn)確性，在進(jìn)一 步降低運(yùn)算復(fù)雜度的同時(shí)，能夠保持較好的學(xué)習(xí)能力及容錯(cuò)特性。
華中科技大學(xué)
2021-04-11