<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

        
        關于龍圖騰

        
        
        
        
        
        
    
          
    
          
        
        
             / 

            
            
            免費注冊
        
    
          

          



          
    
          
        到頂部
        到底部
    
          

          















          
    
    
          
        
        
          
            
            
            
            
            
            
            
            

            
            
          
                
          
                    
                    清空
                    搜索
                
          
            
          

            
            
            
            
            
            
            
            
            
            
        
          
        
        
        
    
          

          








          
      
          
          
          
            
          
                
          
                  
          
                  	
                  	
                  		最新專利技術
                  	
                  
          
                
          
                
          
                    
            
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于柑橘周年生長各器官表型數(shù)據(jù)采集與分析智能監(jiān)測系統(tǒng)，涉及農(nóng)業(yè)智能化技術領域。包括：數(shù)據(jù)采集模塊：采集柑橘生長周期各器官表型數(shù)據(jù)并收集氣象數(shù)據(jù)；數(shù)據(jù)分析模塊：利用計算機視覺和機器學習技術對柑橘周期各器官表型數(shù)據(jù)，以及結(jié)合氣象...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種減脂管理咨詢平臺及其實現(xiàn)方法，本發(fā)明涉及減脂管理技術領域，包括數(shù)據(jù)收集模塊、基礎代謝模塊、體脂趨勢預測模塊、營養(yǎng)干預模塊和運動干預模塊；數(shù)據(jù)收集模塊負責采集包括體重、體脂率的用戶基礎體征數(shù)據(jù)；并動態(tài)采集用戶運動頻次、訓練類型...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于集成回歸模型的多源時間序列金融數(shù)據(jù)預測方法，屬于金融領域的數(shù)據(jù)分析與處理技術領域。本發(fā)明融合了1DCNN的局部特征提取能力、BiLSTM的長期依賴建模能力以及注意力機制的關鍵信息聚焦能力，能夠更全面、深入地挖掘時間序列金...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請涉及無人機技術領域，公開了一種無人機識別方法、無人機識別模型的訓練方法及電子設備，該方法包括：獲取待識別無人機發(fā)射的射頻信號；對射頻信號進行轉(zhuǎn)換得到時頻圖像，根據(jù)時頻圖像確定射頻信號的估算信號特征，其中，信號特征包括射頻信號的調(diào)制類型...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了基于多模態(tài)數(shù)據(jù)融合的目標回波分類方法及系統(tǒng)，涉及計算電磁學技術領域，解決了模型在噪聲環(huán)境下分類準確率下降，泛化能力受限，以及在模態(tài)數(shù)據(jù)分布變化時性能波動大的技術問題；通過B i LSTM建模時序依賴性，分析各個特征的權(quán)重，剔除特...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種多平臺環(huán)境感知與融合圖譜構(gòu)建方法及系統(tǒng)，涉及無人艇智能控制與海洋環(huán)境感知技術領域，包括同步采集多維環(huán)境數(shù)據(jù)；構(gòu)建多維環(huán)境數(shù)據(jù)融合模型，得到綜合反映海域態(tài)勢的多模態(tài)融合感知信息；基于多模態(tài)融合感知信息建立多模態(tài)環(huán)境圖譜，對無人...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及時序預測領域，具體涉及一種基于深度學習的儲備池時間序列預測方法及系統(tǒng)；預測模型包括：卷積神經(jīng)網(wǎng)絡，對輸入的時間序列進行空間特征提取，得到數(shù)據(jù)特征；注意力機制，對所述數(shù)據(jù)特征分配時間權(quán)重，得到加權(quán)時間特征；回聲狀態(tài)網(wǎng)絡對所述加權(quán)時間...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請?zhí)峁┝艘环N基于多源數(shù)據(jù)的儲能電池艙安全監(jiān)測方法和裝置，涉及電池儲能系統(tǒng)領域。該方法包括：通過多配置于儲能電池倉的多類型傳感器獲取儲能電池倉對應的多源參數(shù)數(shù)據(jù)，以及獲取儲能電池倉周圍的環(huán)境參數(shù)數(shù)據(jù)；將多源參數(shù)數(shù)據(jù)和環(huán)境參數(shù)數(shù)據(jù)輸入至圖神...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及橋梁結(jié)構(gòu)健康監(jiān)測技術領域，具體地說，涉及一種基于層次化注意力Transformer的橋梁傳感器異常檢測方法，其包括以下步驟：一、數(shù)據(jù)預處理；二、數(shù)據(jù)分割；三、利用Transformer進行段內(nèi)特征提取并平均池化特征；四、利用Tra...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及列車故障診斷技術領域，特別是涉及一種列車傳動系統(tǒng)的故障診斷方法，本發(fā)明克服了現(xiàn)有技術中微弱特征難以被提取而且故障特征難以被有效區(qū)分的不足，通過離散短時傅里葉變換將多模態(tài)信號編碼為時頻圖像，結(jié)合InceptionResNetV2網(wǎng)絡...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明屬于配電網(wǎng)卡頓優(yōu)化技術領域，具體涉及一種配電自動化系統(tǒng)卡頓優(yōu)化方法及裝置。該優(yōu)化方法包括：采集多源異構(gòu)數(shù)據(jù)，對多源異構(gòu)數(shù)據(jù)進行數(shù)據(jù)融合，構(gòu)建用于表征配電自動化系統(tǒng)運行狀態(tài)的故障狀態(tài)評分因子；基于考慮故障狀態(tài)評分因子，結(jié)合其他關鍵因子，...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種基于多任務線性分類器的濾波器誤差分析方法，屬于濾波器技術領域。本發(fā)明方法包括：獲取濾波器的仿真數(shù)據(jù)并構(gòu)建輸入數(shù)據(jù)集；構(gòu)建并訓練多任務線性分類器；利用多任務線性分類器對待測件進行誤差分析，得到加工誤差的位置及誤差值。本發(fā)明方法...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開一種融合物理約束的深度學習重力衛(wèi)星地下水垂向信號分離方法，包括：S1獲取并預處理基礎數(shù)據(jù)，預處理包括：通過計算得到需要垂向分離的總地下水儲量異常，將所有數(shù)據(jù)統(tǒng)一至預設的時空分辨率并剔除異常值；S2構(gòu)建深度學習模型，其被配置為接收包...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      一種基于混合網(wǎng)絡的礦井移動群智感知真值發(fā)現(xiàn)方法，包括以下步驟：先獲取固定傳感器數(shù)據(jù)與可靠礦工的稀疏觀測數(shù)據(jù)，根據(jù)固定傳感器數(shù)據(jù)與可靠礦工的稀疏觀測數(shù)據(jù)構(gòu)建時空特征矩陣，再將構(gòu)建的時空特征矩陣作為輸入數(shù)據(jù)，輸入到LSTM網(wǎng)絡中，然后LSTM網(wǎng)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了基于多模態(tài)信息的云端一體化情緒識別的個性化方法，包括：S1、獲取多種模態(tài)的原始情緒數(shù)據(jù)，進行預處理，形成多模態(tài)數(shù)據(jù)集；S2、構(gòu)建多模態(tài)特征融合網(wǎng)絡；所述多模態(tài)特征融合網(wǎng)絡由模態(tài)分支網(wǎng)絡和融合核心網(wǎng)絡組成，形成融合后的多模態(tài)特征向...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于多用戶操作行為圖的APP軟件用戶操作數(shù)據(jù)處理方法及裝置，方法包括：在各用戶操作APP軟件的過程中，依據(jù)操作順序進行用戶操作數(shù)據(jù)的捕獲，并對捕獲的用戶操作數(shù)據(jù)進行篩選，將篩選出的用戶操作數(shù)據(jù)存入第一目標文件；依據(jù)第一目標文...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于多模態(tài)大模型的海洋眾包數(shù)據(jù)質(zhì)量控制與融合方法，包括：基于多模態(tài)大模型對海洋眾包數(shù)據(jù)進行類型識別，得到若干個類型集合；對若干個類型集合分別進行質(zhì)量控制處理，得到各個預處理集合；對各個預處理集合進行融合處理。準確對海洋眾包數(shù)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請公開了一種基于人工智能的智能媒資管理系統(tǒng)，多模態(tài)數(shù)據(jù)處理模塊采用時移卷積神經(jīng)網(wǎng)絡提取視頻和音頻的時空特征，智能編目模塊基于深度強化學習優(yōu)化視頻鏡頭切分策略，利用圖神經(jīng)網(wǎng)絡建模標簽語義關系，并通過Transformer與條件隨機場優(yōu)化標...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于再生資源云平臺的回收方法及系統(tǒng)，包括：基于云平臺歷史數(shù)據(jù)中的再生資源數(shù)據(jù)，獲取圖像數(shù)據(jù)；輸入至輕量化卷積神經(jīng)網(wǎng)絡中進行資源種類識別模型訓練；通過多源傳感器獲取廢棄物資源圖像數(shù)據(jù)、紅外光譜數(shù)據(jù)，輸入至資源種類識別模型中，識...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及一種基于大語言模型知識增強的跨語言實體對齊方法，屬于知識圖譜對齊領域。所述方法，首先，運用大語言模型來增強實體和關系嵌入，提升訓練過程中正負樣本的區(qū)分度；然后，引入適應性融合加權(quán)來減弱各類嵌入的噪聲，并且，引入雙向柔性投票在無標簽...
								
            
							
            
							
						
            • 
					
                    
          
                
          

                 
          
                 	
		            	首頁
		            	上一頁
		            	
		            	284
		            	
		            	下一頁
                 	
                 	
            	
          
            
          
            
          
                
          
                  
          技術分類
          
                  
          
                      
                  
          
                
          
            
          
          
          
      
          
    
          
    
    

























































































































































 
 
    







主站蜘蛛池模板：
最近中文字幕日韩有码|
久久精品无码专区免费青青|
久久男人av资源网站|
久久久久国精品产熟女久色|
久久大香伊蕉在人线观看热|
国产精品国产三级国产av品爱网|
香港日本三级亚洲三级|
亚洲国产成人精品一区刚刚|
碰超免费人妻中文字幕|
亚洲最大av资源网在线观看|
午夜无码成人免费视频|
久久综合亚洲鲁鲁九月天|
亚洲精品欧美综合一区二区|
亚洲最大的熟女水蜜桃av网站
|
亚洲 制服 丝袜 无码|
日韩欧美亚洲国产精品字幕久久久
|
欧美巨大黑人精品一.二.三
|
在线 欧美 中文 亚洲 精品|
久久日韩精品一区二区五区|
国产综合色一区二区三区|
精品人妻一区二区三区四区在线|
精品一区二区三区在线观看视频
|
在线a视频网站|
亚洲精品无码不卡在线播he|
国内野外强奷在线视频|
亚洲精品一区二区三区婷婷月|
亚洲一区二区三区|
久久久毛片|
亚洲精品国产中文字幕|
人妻无码av中文系列久|
日韩av无码免费大片bd|
内射干少妇亚洲69xxx|
国产乱码精品一区二区上|
国产精品人成视频免费国产|
日韩一区二区三区高清电影
|
日产精品中文一区二区三区|
成人亚洲欧美激情在线电影
|
手机看片AV永久免费|
色欲av亚洲情无码av蜜桃|
2020久热爱精品视频在线观看|
亚洲 欧美 天堂 综合|