<thead id="3jag6"><rt id="3jag6"><noscript id="3jag6"></noscript></rt></thead>
  • <s id="3jag6"><track id="3jag6"><menuitem id="3jag6"></menuitem></track></s>
       
        

        <sub id="3jag6"><p id="3jag6"></p></sub>
          <style id="3jag6"></style>
          
国产精品久久久久久久网,人人妻人人澡人人爽国产,亚洲中文字幕无码爆乳APP,免费大片黄国产在线观看,无码抽搐高潮喷水流白浆,国产久免费热视频在线观看,国产亚洲精品成人aa片新蒲金,久久久97丨国产人妻熟女































          
    
          

        
       



    
          

          






    
    
    
    Document
    




          
    
          
        
          
            
        
          
        
          
            
        
          
    
          
    
          
        
          
            拖動滑塊完成拼圖
        
          
        
          
    
          
    
          
        
          
        
          
    
          

          














          
    
    
          
        首頁
        專利交易
        IP管家助手
        科技果

        科技人才

        科技服務(wù)
        國際服務(wù)
        商標交易
        會員權(quán)益
        需求市場

        
        關(guān)于龍圖騰

        
        
        
        
        
        
    
          
    
          
        
        
             / 

            
            
            免費注冊
        
    
          

          



          
    
          
        到頂部
        到底部
    
          

          















          
    
    
          
        
        
          
            
            
            
            
            
            
            
            

            
            
          
                
          
                    
                    清空
                    搜索
                
          
            
          

            
            
            
            
            
            
            
            
            
            
        
          
        
        
        
    
          

          








          
      
          
          
          
            
          
                
          
                  
          
                  	
                  	
                  		最新專利技術(shù)
                  	
                  
          
                
          
                
          
                    
            
					
						
          • 
							
							
            
					    		
								
            
								      本申請公開了基于機器學習的對流層延遲映射模型構(gòu)建方法與系統(tǒng)。該方法包括：獲取氣象再分析資料；基于氣象再分析資料計算全球站點或格網(wǎng)處的ZTD，以及不同方位角和高度角處的STD；基于ZTD和STD，構(gòu)建ZTD到斜路徑延遲的非對稱映射關(guān)系；基于氣...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明屬于石油和天然氣鉆井工程技術(shù)領(lǐng)域，具體涉及基于遺傳算法與管柱力學的井眼摩擦系數(shù)分段反演方法，采集施工井指定數(shù)據(jù)，將待預測施工井的井眼劃分為固定長度的井段并定義其深度范圍，同時設(shè)定摩擦系數(shù)的全局搜索范圍，初始化遺傳算法的種群大小、最大迭...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請公開了一種基于多物理場耦合的新能源汽車減速器效率優(yōu)化系統(tǒng)，屬于新能源汽車技術(shù)領(lǐng)域。該系統(tǒng)構(gòu)建一個結(jié)構(gòu)?熱?流體多物理場強耦合仿真模型：首先，結(jié)構(gòu)?熱子模型基于有限元法計算齒輪嚙合的摩擦生熱；然后，該熱源被輸入至熱?流體子模型以計算整機...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種基于部件協(xié)同預測的渦輪原動機整機快速高精度預測方法，涉及燃氣輪機性能分析技術(shù)領(lǐng)域，包括：將渦輪原動機整機劃分為多個部件，計算獲得部件進出口邊界數(shù)據(jù)集、各部件流場數(shù)據(jù)集和部件邊界匹配數(shù)據(jù)集，構(gòu)建部件邊界條件預測模型、各部件流場...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了基于數(shù)字孿生的軸向柱塞泵批量化生產(chǎn)工藝優(yōu)化系統(tǒng)，屬于數(shù)字孿生領(lǐng)域，包括：數(shù)據(jù)采集模塊，用于獲得多個傳感數(shù)據(jù)集；模型構(gòu)建模塊，用于構(gòu)建統(tǒng)計子模型；孿生集成模塊，用于構(gòu)建目標軸向柱塞泵的數(shù)字孿生模型；仿真執(zhí)行模塊，用于對目標軸向柱塞...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于全過程仿生果實數(shù)據(jù)監(jiān)測的非結(jié)構(gòu)場景水果采摘方法。方法包括：構(gòu)建具有多層感知結(jié)構(gòu)的仿生果實，其外層結(jié)構(gòu)用于力感知及仿真真實水果的顏色；然后通過采摘機器人的末端執(zhí)行器識別抓取并采摘呈現(xiàn)真實水果成熟顏色的仿生果實，同時仿生果實...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種氣吹光纜的凸齒數(shù)量設(shè)計方法，氣吹光纜包括纜芯和外護套，所述外護套包括護套本體和環(huán)繞所述護套本體且陣列排布的多個凸齒，所述氣吹光纜用以敷設(shè)在氣吹管道內(nèi)，根據(jù)氣吹光纜的軸心到凸齒端部的距離、氣吹光纜的軸心到凸齒根部的距離、氣吹管...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種用于軟硬巖復雜地層的樁基結(jié)構(gòu)分析方法及相關(guān)設(shè)備，本發(fā)明涉及地基建筑施工技術(shù)領(lǐng)域，通過對基坑內(nèi)側(cè)壁進行巖石成分分析，根據(jù)巖石成分將基坑劃分為多層軟硬巖結(jié)構(gòu)，在考慮軟硬巖過渡帶的多相介質(zhì)突變效應(yīng)的情況下，對每一層巖體及巖體交替處...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請實施例提供寬頻高精度的仿真信號生成方法、系統(tǒng)及仿真信號發(fā)生器，所述方法包括：通過現(xiàn)場可編程門陣列控制直接數(shù)字合成芯片生成轉(zhuǎn)速仿真基礎(chǔ)信號，轉(zhuǎn)速仿真基礎(chǔ)信號為波形可調(diào)的正弦波或方波；將所述轉(zhuǎn)速仿真基礎(chǔ)信號輸入反相放大器，并基于所述現(xiàn)場可...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請公開了一種自然?人工耦合虛擬水網(wǎng)數(shù)字孿生模型的構(gòu)建方法及系統(tǒng)，該方法包括：獲取自然水網(wǎng)及人工水網(wǎng)的歷史監(jiān)測數(shù)據(jù)；對歷史監(jiān)測數(shù)據(jù)進行預處理得到標準化數(shù)據(jù)底板；基于自然水網(wǎng)的標準化數(shù)據(jù)底板構(gòu)建自然水網(wǎng)模型及人工水網(wǎng)模型；基于自然水網(wǎng)模型及...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及汽車零部件信息安全評估技術(shù)領(lǐng)域，公開了基于多維度滲透測試的汽車零部件信息安全評估系統(tǒng)，該系統(tǒng)包括數(shù)據(jù)采集、漏洞分析、事件監(jiān)測、參數(shù)匹配、響應(yīng)執(zhí)行及自學習模塊。數(shù)據(jù)采集模塊實時獲取測試數(shù)據(jù)，生成漏洞嚴重性特征值與安全參數(shù)動態(tài)調(diào)整集合...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請?zhí)岢隽艘环N晶圓表面處理工藝推薦方法、裝置、設(shè)備和存儲介質(zhì)，涉及半導體制造技術(shù)領(lǐng)域，包括：獲取目標晶圓的表面物化特性參數(shù)，并對表面物化特性參數(shù)進行預處理，得到目標物化特性參數(shù)；將目標物化特性參數(shù)輸入預訓練的單隱藏層神經(jīng)網(wǎng)絡(luò)模型，得到目標...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及復合材料檢測技術(shù)領(lǐng)域，具體公開了一種復合材料制件內(nèi)部缺陷檢測方法及系統(tǒng)，該方法包括：通過獲取缺陷檢測特征并計算特征重疊度，判斷模態(tài)特征退化后構(gòu)建層級分解模型分離熱應(yīng)力耦合信號，對需差異分析區(qū)域施加梯度濕熱載荷生成動態(tài)響應(yīng)矩陣，經(jīng)時...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于深度學習的設(shè)備故障診斷方法，采用增量學習架構(gòu)，可以從舊任務(wù)中獲取知識，使設(shè)備故障診斷模型學習診斷新的設(shè)備運行數(shù)據(jù)，同時保留之前任務(wù)中學習到的知識，可以避免新數(shù)據(jù)來時重新訓練模型參數(shù)。
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及電力故障處理技術(shù)領(lǐng)域，公開了一種行波故障分類模型的訓練方法、使用方法及相關(guān)裝置，訓練方法包括：獲取不同故障類型的樣本行波信號的第一時頻特征數(shù)據(jù)；利用第一時頻特征數(shù)據(jù)對預設(shè)的自組織神經(jīng)網(wǎng)絡(luò)進行聚類訓練，得到訓練完成的目標自組織神經(jīng)網(wǎng)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供一種PPG大數(shù)據(jù)驅(qū)動下的生物特征識別方法，包括：獲取參訓人員的PPG信號數(shù)據(jù)，對PPG信號數(shù)據(jù)進行高通濾波和低通濾波預處理，得到預處理后的PPG信號；對預處理后的PPG信號進行分幀，分別提取梅爾頻率倒譜系數(shù)特征和Gammatone...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明適用于駕駛員安全駕駛技術(shù)領(lǐng)域，提供了基于駕駛員體壓數(shù)據(jù)的疲勞狀態(tài)識別方法與系統(tǒng)，包括以下步驟：獲取駕駛過程中的壓力數(shù)據(jù)；對壓力數(shù)據(jù)進行標準化處理，進行窗口分隔與標簽生成；基于處理后的壓力數(shù)據(jù)構(gòu)建LSTM模型并對模型進行訓練；對LSTM...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于李薩育軌跡可視化的串聯(lián)電弧故障檢測方法及系統(tǒng)，利用李薩育軌跡可視化低壓用戶電流，放大了串聯(lián)電弧故障時的微弱故障特征，引入圖像識別領(lǐng)域技術(shù)簡化復雜診斷過程的計算需求，方法診斷速度快，有效解決當今低壓電弧故障檢測準確度與算力...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于多源自適應(yīng)SDP的永磁同步電機退磁程度檢測方法，包括以下步驟：對永磁同步電機進行建模，并獲取不同退磁程度的多源信號數(shù)據(jù)；采用滑窗技術(shù)進行數(shù)據(jù)擴充；基于參數(shù)自適應(yīng)的對稱點模式SDP技術(shù)，自適應(yīng)選取SDP中的時間滯后參數(shù)和角...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及時序數(shù)據(jù)預測技術(shù)領(lǐng)域，具體為時序數(shù)據(jù)預測系統(tǒng)及方法，系統(tǒng)通過數(shù)據(jù)預處理模塊需求獲取目標參數(shù)并預處理；超參優(yōu)化模塊確定最優(yōu)超參數(shù)組合；生成器根據(jù)時序數(shù)據(jù)中的長期正反向依賴關(guān)系和不同時間步的重要性，通過對抗訓練最小化預測誤差并接收鑒別...
								
            
							
            
							
						
            • 
					
                    
          
                
          

                 
          
                 	
		            	首頁
		            	上一頁
		            	
		            	21
		            	
		            	下一頁
                 	
                 	
            	
          
            
          
            
          
                
          
                  
          技術(shù)分類
          
                  
          
                      
                  
          
                
          
            
          
          
          
      
          
    
          
    
    

























































































































































 
 
    







主站蜘蛛池模板：
免费99精品国产自在在线|
久久精品国产亚洲大片|
好男人好资源WWW社区|
日本亚洲色大成网站www久久|
日韩av无码一区二区三区不卡毛片
|
欧美不卡无线在线一二三区观|
午夜av高清在线观看|
国产精品国产三级国产av麻豆|
蜜臀av人妻国产精品建身房|
日韩免费无码视频一区二区三区|
亚欧美无遮挡hd高清在线视频|
久久久国产一区二区三区四区小说|
久久久久久曰本av免费免费|
无码精品国产dvd在线观看9久|
日韩亚洲国产主播在线不卡|
四虎影视久久久免费观看|
波多野结衣av高清一区二区三区|
99热久久这里只精品国产www|
在线观看国产精品va|
肉岳疯狂69式激情的高潮|
中文午夜乱理片无码|
国产又色又爽又黄的在线观看视频|
老熟女hdxx老小配|
亚洲国产精品无码专区在线观看|
亚洲日产av中文字幕无码偷拍
|
欧美日韩无线码在线观看|
无码av在线一本无码|
黑人又粗又大xxx精品|
三上悠亚久久精品|
免费无码成人AV在线播放不卡|
欧美乱妇高清无乱码免费|
亚洲а∨天堂2014在线无码|
人妻精品久久无码专区精东影业|
国产午夜福利小视频合集|
欧美乱妇高清无乱码免费|
久久久久久午夜成人影院|
欧美综合在线激情专区|
亚洲国产欧美日韩在线人成|
亚洲日韩va在线视频|
亚洲免费网站观看视频
|
亚洲精品国产黑色丝袜|