<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
        國際服務
        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)
                  	
                  
          
                
          
                
          
                    
            
					
						
          • 
							
							
            
					    		
								
            
								      本申請公開了一種標定參數(shù)的補全方法、裝置、設備及存儲介質(zhì)。該方案包括：對待補全的目標標定表進行切分和向量化處理，得到表示待補全的目標標定表的目標輸入張量；將所述目標輸入張量視作時間序列數(shù)據(jù)輸入預設神經(jīng)網(wǎng)絡模型進行補全處理，得到補全后的目標標...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于深度學習的人群畫像興趣圖譜增強建模方法，S1.生成人群畫像興趣圖譜圖快照序列；S2.得到性能評價結(jié)果集合；S3.根據(jù)適應度評估結(jié)果選擇最優(yōu)池化超參數(shù)配置；S4.輸出時間窗口層次化結(jié)構(gòu)向量集合；S5.將時間窗口層次化結(jié)構(gòu)向...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于多源數(shù)據(jù)的食品保質(zhì)期預測方法及系統(tǒng)，包括修復食品多源數(shù)據(jù)獲得修正食品數(shù)據(jù)，進行異常檢測獲得食品異常因素，進行異常演化確定保質(zhì)期影響度，將所述修正食品數(shù)據(jù)輸入食品影響函數(shù)獲得食品內(nèi)外影響度，將所述修正食品數(shù)據(jù)輸入食品基礎保...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請?zhí)峁┮环N非末道次軋制力預測方法及系統(tǒng)，涉及軋制工藝技術(shù)領域，所述方法包括：獲取數(shù)據(jù)集；根據(jù)數(shù)據(jù)集的時序特征，獲取級聯(lián)指標；基于數(shù)據(jù)集和級聯(lián)指標，得到訓練集；訓練集包括：數(shù)據(jù)集中與非末道次軋制力相關(guān)聯(lián)的特征；利用訓練集對待訓練模型進行訓...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明屬于軌跡大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)領域，特別涉及一種基于多模態(tài)數(shù)據(jù)融合的航空器出界時間預測方法。包括以下步驟：S1，航空器軌跡數(shù)據(jù)集預處理；S2，數(shù)據(jù)集特征提?。籗3，模型構(gòu)建；S4，航空器出界時間預測。本發(fā)明通過注意力機制挖掘航空器當前位...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請公開了一種基于動態(tài)權(quán)重融合與多模態(tài)分解的庫岸滑坡位移預測方法，包括S1數(shù)據(jù)采集及預處理；S2最佳輸入特征優(yōu)選：基于位移演化機理構(gòu)建多源異構(gòu)特征集，利用MIC和RF算法篩選最佳輸入特征；S3多因素多尺度分解重構(gòu)：采用MEMD算法將滑坡累...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      用于光固化3D打印精密陶瓷的全鏈條性能評價方法、存儲介質(zhì)及設備，屬于陶瓷3D打印技術(shù)領域。為了解決目前還沒有一種針對3D打印精密陶瓷的全鏈條性能評價方法的問題。本發(fā)明以3D打印全鏈條性能指標評價值作為目標層，將每個一級指標包含的性能指標作為...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于單模態(tài)模型聯(lián)合嵌入的多模態(tài)缺失預測方法及系統(tǒng)，包括：通過獨立的單模態(tài)編碼器對輸入的模態(tài)進行特征提取，并根據(jù)得到的現(xiàn)有模態(tài)的特征生成所述現(xiàn)有模態(tài)的提示嵌入；其中，所述輸入的模態(tài)包括：圖像或文字；基于所述現(xiàn)有模態(tài)的提示嵌入，...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于機器學習的滾動軸承故障診斷方法，屬于機械設備故障診斷技術(shù)領域，包括以下步驟：步驟S1：VMD參數(shù)優(yōu)化；步驟S2：有效IMF分量篩選；步驟S3：特征提取及降維；步驟S4：故障診斷。本發(fā)明利用變分模態(tài)分解降低振動信號中的噪聲...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請公開了一種模型訓練方法、嵌入生成方法、推薦方法及相關(guān)產(chǎn)品。該模型訓練方法，包括：獲取第一語言模型，第一語言模型包括狀態(tài)空間模型。獲取第一物品嵌入的第一序列，第一物品嵌入包括與第一對象產(chǎn)生過交互的第一交互物品的嵌入。將第一序列輸入至第一...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請涉及一種林草植被退化早期預警信號識別方法，包括：獲取研究區(qū)域的地理數(shù)據(jù)；基于地理數(shù)據(jù)根據(jù)植被指數(shù)得到植被顯著退化區(qū)域；基于植被顯著退化區(qū)域識別植被負突變點；基于識別的植被負突變點結(jié)合植被指數(shù)篩選出影響植被負突變的關(guān)鍵影響因子；將關(guān)鍵影...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及數(shù)據(jù)挖掘技術(shù)領域，具體為基于人工智能的計算機數(shù)據(jù)智能分析系統(tǒng)，系統(tǒng)包括數(shù)據(jù)偏向識別模塊、歸屬校正模塊、張力修正模塊、標簽頻率分析模塊、語義偏移調(diào)整模塊。本發(fā)明中，通過構(gòu)建局部窗口集合并分析維度間差異波動，精準識別持續(xù)性偏向特征的關(guān)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于深度學習的雙有源橋變換器開路故障預測方法及設備，通過構(gòu)建雙有源橋變換器等效電路仿真模型，基于雙有源橋變換器等效電路仿真模型的開路檢測信號和對應的開路故障結(jié)果，創(chuàng)建開路故障預測訓練數(shù)據(jù)集；構(gòu)建雙有源橋變換器開路故障預測模型...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請涉及網(wǎng)絡通信技術(shù)領域，公開了一種信號處理方法、裝置、設備、存儲介質(zhì)及計算機程序產(chǎn)品，包括：獲取具有非線性損傷的均衡后信號，并對均衡后信號進行歸一化處理，生成目標輸入信號；將目標輸入信號輸入至改進后的多任務神經(jīng)網(wǎng)絡中進行非線性補償，得到...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種基于多點量測信息的數(shù)據(jù)驅(qū)動型電網(wǎng)故障辨識方法及裝置，涉及電網(wǎng)故障分析技術(shù)領域，該方法包括：搭建含新能源接入的電網(wǎng)仿真模型；在m文件中利用sim函數(shù)運行Simulink模型，基于編輯器與循環(huán)嵌套模型的交互，將不同模型參數(shù)傳遞到...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種工業(yè)物聯(lián)網(wǎng)中的設備故障預測與診斷系統(tǒng)，涉及電數(shù)字數(shù)據(jù)處理領域，包括數(shù)據(jù)采集模塊、狀態(tài)感知模塊、預測分析模塊和故障診斷模塊；所述數(shù)據(jù)采集模塊用于采集設備的運行數(shù)據(jù)，所述狀態(tài)感知模塊用于監(jiān)控設備的運行狀態(tài)，所述預測分析模塊用于預...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提出了一種高校多源數(shù)據(jù)的知識拓撲結(jié)構(gòu)的構(gòu)建方法，涉及知識拓撲構(gòu)建技術(shù)領域，對收集的多源數(shù)據(jù)進行預處理；從預處理后的多源數(shù)據(jù)中提取關(guān)鍵數(shù)據(jù)特征序列；將提取的關(guān)鍵數(shù)據(jù)特征序列轉(zhuǎn)化為關(guān)鍵特征向量集合；利用融合機制，得到多源的關(guān)鍵特征向量集合...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及電力設備智能監(jiān)測技術(shù)領域，具體涉及基于多源異構(gòu)數(shù)據(jù)特征融合的電力監(jiān)測數(shù)據(jù)處理方法，包括以下步驟：S1：采集設備運行參數(shù)、環(huán)境參數(shù)及圖像數(shù)據(jù)；S2：進行時空基準統(tǒng)一處理，生成標準化數(shù)據(jù)矩陣；S3：構(gòu)建多維特征矩陣；S4：對多維特征矩...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于多源數(shù)據(jù)融合的巖土工程勘察分析方法及系統(tǒng)，屬于地質(zhì)勘探技術(shù)領域，包括采集巖溶地區(qū)鉆孔的多源異構(gòu)數(shù)據(jù)，生成鉆孔綜合特征向量；根據(jù)鉆孔綜合特征向量，建立圖注意力網(wǎng)絡，生成更新特征；根據(jù)更新特征，生成巖土工程的勘探預測結(jié)果；建...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種考慮斷面特性與水情信息同化的水位流量關(guān)系擬合方法及裝置，其中的方法包括上下游水情動態(tài)數(shù)據(jù)與河道斷面靜態(tài)特性的收集和預處理；考慮靜態(tài)特性與動態(tài)數(shù)據(jù)融合的水位流量關(guān)系回歸模型的構(gòu)建；考慮靜態(tài)特性與動態(tài)數(shù)據(jù)融合的水位流量關(guān)系回歸模...
								
            
							
            
							
						
            • 
					
                    
          
                
          

                 
          
                 	
		            	首頁
		            	上一頁
		            	
		            	250
		            	
		            	下一頁
                 	
                 	
            	
          
            
          
            
          
                
          
                  
          技術(shù)分類
          
                  
          
                      
                  
          
                
          
            
          
          
          
      
          
    
          
    
    

























































































































































 
 
    







主站蜘蛛池模板：
999zyz玖玖资源站永久|
日韩精品亚洲专在线电影|
亚洲乱亚洲乱少妇无码|
无码av永久免费专区麻豆|
日韩精品无码av成人观看|
99精品国产一区二区电影|
国产午夜大地久久|
久久综合99re88久久爱|
日韩精品亚洲人成在线观看
|
日本免费一区高清观看|
欧美激情肉欲高潮视频|
狠狠色丁香久久综合婷婷|
性无码专区无码|
国产精品成人va在线播放|
巨大黑人极品videos精品|
日本高清二区视频久二区|
无码中文av有码中文av|
野花社区www视频日本|
最爽的乱婬视频a毛片|
在线播放国产高潮流白浆视频|
国产睡熟迷奷系列网站|
又黄又湿啪啪响18禁|
韩国福利视频一区二区三区|
国产性色的免费视频网站|
国产精品亚洲а∨天堂2021|
熟妇高潮精品一区二区三区|
国产成人无码免费视频在线|
春药高潮抽搐流白浆在线观看|
精品国产免费一区二区三区香蕉|
又粗又猛又黄又爽无遮挡|
国产在线视频不卡一区二区|
亚洲一区二区中文字幕|
女人与牲口性恔配视频免费|
人人超碰人人超级碰国|
久久99精品久久久久久齐齐|
亚洲区小说区图片区qvod|
丰满少妇熟女高潮流白浆|
中国内地毛片免费高清|
96国产xxxx免费视频|
色av综合av综合无码网站|
男女猛烈无遮挡免费视频|