<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
                
          
            
          

            
            
            
            
            
            
            
            
            
            
        
          
        
        
        
    
          

          








          
      
          
          
          
            
          
                
          
                  
          
                  	
                  	
                  		計算;推算;計數(shù)設備的制造及其應用技術(shù)
                  	
                  
          
                
          
                
          
                    
            
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及配電網(wǎng)架空線路設備故障技術(shù)領(lǐng)域，尤其涉及一種大風災害下配電網(wǎng)架空線路風致故障概率計算方法及系統(tǒng)。本發(fā)明基于起始點到預設時刻所經(jīng)歷的t時間段內(nèi)每次大風沖擊時配電網(wǎng)桿塔結(jié)構(gòu)、導線結(jié)構(gòu)的退損瞬時增量，分別構(gòu)建桿塔結(jié)構(gòu)、導線結(jié)構(gòu)的短時沖擊...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種邊端設備一體化脆弱性指標的評估方法及裝置、設備及存儲介質(zhì)。所述邊端設備一體化脆弱性指標的評估方法包括：確定邊端設備的脆弱性指標；根據(jù)所述脆弱性指標構(gòu)建數(shù)據(jù)集；根據(jù)所述數(shù)據(jù)集訓練構(gòu)建的機器學習模型，得到脆弱性指標的評估模型；其...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于改進BPNN的公共機構(gòu)能耗缺失數(shù)據(jù)估計方法，該方法包括獲取公共機構(gòu)能源消費多特征數(shù)據(jù)并進行預處理；特征篩選；完整性檢查，將缺失數(shù)據(jù)與完整數(shù)據(jù)分離；根據(jù)完整數(shù)據(jù)構(gòu)建基于BP神經(jīng)網(wǎng)絡的缺失數(shù)據(jù)估計模型，并采用粒子群優(yōu)化算法進...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于動態(tài)可視數(shù)據(jù)的電能質(zhì)量評估方法及系統(tǒng)，涉及配電網(wǎng)電能評估技術(shù)領(lǐng)域，包括：通過多模態(tài)傳感器網(wǎng)絡采集電氣運行數(shù)據(jù)、環(huán)境參數(shù)及負荷特性數(shù)據(jù)，經(jīng)時空對齊生成動態(tài)可視數(shù)據(jù)集。利用小波變換提取電壓暫降特征，結(jié)合LSTM挖掘諧波時序特...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及數(shù)據(jù)融合技術(shù)領(lǐng)域，尤其涉及一種基于數(shù)據(jù)融合的配電設備全壽命周期管理系統(tǒng)及方法。該方法包括以下步驟：獲取多模態(tài)實時傳感數(shù)據(jù)及設備管理日志，并進行預語義提取與編碼壓縮，得到邊緣語義片段；利用設備管理日志分析配電設備拓撲結(jié)構(gòu)，并利用配電...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請?zhí)峁┮环N建筑施工監(jiān)測方法，包括：獲取施工現(xiàn)場的多視角視頻圖像數(shù)據(jù)，采用圖像拼接算法對所述多視角視頻圖像數(shù)據(jù)進行融合處理，得到施工現(xiàn)場全景三維場景模型；獲取所述全景三維場景模型中的圖像幀，采用預先訓練的工種識別模型對所述圖像幀進行分析，...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種列生成多車型路徑規(guī)劃方法、系統(tǒng)、設備及介質(zhì)，涉及車倆路徑規(guī)劃技術(shù)領(lǐng)域，該方法包括：步驟S1：構(gòu)筑數(shù)據(jù)標注，將所述構(gòu)筑數(shù)據(jù)標注問題轉(zhuǎn)化為混合整數(shù)規(guī)劃問題；步驟S2：通過每一次迭代求解所述混合整數(shù)規(guī)劃問題，為數(shù)據(jù)進行標注，進行神...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及私域電商技術(shù)領(lǐng)域，具體公開了一種基于大數(shù)據(jù)的私域電商數(shù)據(jù)搜索方法及系統(tǒng)。本發(fā)明先采集用戶行為特征（搜索、瀏覽時長、商品點擊量）和購買特征（復購周期、時效偏好），構(gòu)建風格偏好模型和購買偏好模型，基于瀏覽數(shù)據(jù)量化用戶對商品風格的關(guān)注度...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明屬于地震災害情景構(gòu)建技術(shù)領(lǐng)域，且公開了基于大數(shù)據(jù)的地震災害情景構(gòu)建方法，具體步驟如下：步驟一：多源異構(gòu)數(shù)據(jù)采集與預處理地面結(jié)構(gòu)數(shù)據(jù)采集：利用多平臺遙感技術(shù)獲取城市建筑群空間分布特征。通過整合多源數(shù)據(jù)構(gòu)建地下管網(wǎng)與地面建筑的三維耦合模型...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請?zhí)峁┮环N應用預測模型的智能廣告內(nèi)容推薦方法及系統(tǒng)，首先獲取目標用戶在廣告交互場景下的歷史交互數(shù)據(jù)集合，其含多個由用戶標識符等組成的廣告交互序列，接著對該歷史交互數(shù)據(jù)集合執(zhí)行跨維度特征融合處理，生成組合行為特征集合和廣告內(nèi)容關(guān)聯(lián)特征集合...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種基于智能算法的織機聯(lián)網(wǎng)數(shù)據(jù)采集與分析方法及系統(tǒng)，涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，包括：構(gòu)建多源傳感器網(wǎng)絡，進而采集振動數(shù)據(jù)、溫度數(shù)據(jù)以及轉(zhuǎn)速數(shù)據(jù)；基于量子噪聲輔助數(shù)據(jù)采集算法，增強振動數(shù)據(jù)、溫度數(shù)據(jù)以及轉(zhuǎn)速數(shù)據(jù)的微觀特征；建立邊緣計算...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種基于對比學習的視頻異常檢測模型的訓練方法及裝置、視頻異常檢測方法及裝置，可以應用于深度強化學習技術(shù)領(lǐng)域。該訓練方法包括：將樣本視頻輸入到特征提取模塊，得到樣本視頻特征；將樣本視頻特征輸入到重建模塊，得到重建樣本視頻，并基于重...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請?zhí)峁┮环N占據(jù)柵格感知方法及電子設備，該方法獲取當前時刻的多視角圖像，進而根據(jù)多視角圖像、各初始化體素向量與對應的體素向量查詢特征、以及上一時刻的各最終體素向量的占據(jù)概率，選取部分初始化體素向量與上一時刻的部分最終體素向量，作為當前時刻...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及工業(yè)生產(chǎn)檢測技術(shù)領(lǐng)域，公開了一種基于AI的工業(yè)生產(chǎn)過程視覺檢測系統(tǒng)及方法。系統(tǒng)包括圖像采集模塊，采集含可見光與紅外波段信息的生產(chǎn)線實時圖像數(shù)據(jù)；缺陷檢測模塊，用改進型殘差網(wǎng)絡提取多層級特征生成缺陷概率分布圖；動態(tài)調(diào)整模塊，通過深度...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于混合Mamba注意力分割模型的混凝土裂縫檢測方法，包括1）獲取原始圖像并對圖像進行預處理，劃分數(shù)據(jù)集；2）構(gòu)建MA?UNet模型，采用編碼器?解碼器對稱結(jié)構(gòu)，編碼器通過卷積與池化提取特征，解碼器通過轉(zhuǎn)置卷積上采樣恢復分辨...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了基于多向時頻卷積注意力與VM?UNet的EEG到三維fMRI體積生成方法，包括S1、對輸入的EEG信號進行預處理，構(gòu)建三維張量形式的EEG輸入樣本，將EEG和fMRI數(shù)據(jù)進行歸一化處理；S2、利用EEG譜圖投影模塊，將EEG輸入...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明為一種變工況多階段的深海耐壓艙疲勞裂紋擴展預測方法，涉及深海耐壓艙疲勞檢測技術(shù)領(lǐng)域，建立深海耐壓艙的整機有限元模型，并對薄弱環(huán)節(jié)分析，進行精細建模；建立應力強度因子—高斯過程代理模型；基于動態(tài)貝葉斯best?worst網(wǎng)絡模型，進行深...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及水下圖像增強技術(shù)領(lǐng)域，提供一種基于多顏色空間耦合的深水圖像增強方法，包括在RGB顏色空間基于像素平均值確定最優(yōu)通道、中度衰減通道和重度衰減通道，對最優(yōu)通道進行非對稱直方圖裁剪預校正，并設計損失函數(shù)通過迭代補償使衰減通道逼近最優(yōu)通道...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種多源數(shù)據(jù)資源關(guān)鍵信息挖掘方法及系統(tǒng)，包括：獲取各形式類型的多源數(shù)據(jù)，并預處理；根據(jù)數(shù)據(jù)類型進行劃分；對文字類數(shù)據(jù)進行詞頻統(tǒng)計及詞語關(guān)聯(lián)性分析，對數(shù)字類數(shù)據(jù)通過上下文語義關(guān)聯(lián)提取其數(shù)值含義；基于各數(shù)據(jù)類型關(guān)鍵信息數(shù)據(jù)集構(gòu)建跨模...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了CNC生產(chǎn)鏈的設備聯(lián)鎖安全管理系統(tǒng)及方法，具體涉及安全管理技術(shù)領(lǐng)域，本發(fā)明融合了多源傳感器數(shù)據(jù)與深度學習模型，提取設備疲勞與故障特征，利用模糊貝葉斯神經(jīng)網(wǎng)絡評估設備風險等級。同時引入可穿戴腦機接口，實時監(jiān)測操作員神經(jīng)狀態(tài)，量化疲...
								
            
							
            
							
						
            • 
					
                    
          
                
          

                 
          
                 	
                 	
		            	首頁
		            	上一頁
		            	
		            	11
		            	
		            	下一頁


                 	
            	
          
            
          
            
          
                
          
                  
          技術(shù)分類
          
                  
          
                      
                  
          
                
          
            
          
          
          
      
          
    
          
    
    

























































































































































 
 
    







主站蜘蛛池模板：
国产香蕉一区二区三区在线视频|
国内揄拍国内精品人妻浪潮av|
男女做aj视频免费的网站|
无码人妻一区、二区、三区免费视频
|
亚洲精品熟女一区二区|
国产亚洲视频在线播放香蕉|
国产av偷闻女邻居内裤被发现|
亚洲午夜精品久久久久久app|
国产综合色在线视频区|
国产精品高清中文字幕|
亚洲精品久久久久久久久久吃药|
久久久久久人妻毛片a片|
国产精品久久久久7777|
欧美激情精品久久久久久|
亚欧乱色国产精品免费九库|
国产黑色丝袜在线播放|
天天碰免费上传视频|
国产无套护士在线观看|
六月婷婷久香在线视频|
欧美人与动牲交app视频|
国产中的精品suv|
国产自在自线午夜精品|
广东少妇大战黑人34厘米视频|
熟妇人妻不卡中文字幕|
乱中年女人伦|
无码人妻丰满熟妇奶水区码|
亚洲一区二区三区四区五区黄|
中国女人高潮hd|
性中国videossexo另类|
久久www免费人成—看片|
婷婷六月综合缴情在线|
中国无码人妻丰满熟妇啪啪软件|
久久香蕉国产线熟妇人妻|
亚洲欧美日韩另类精品一区|
欧美极品色午夜在线视频|
亚洲日韩精品欧美一区二区一|
丰满熟女高潮毛茸茸欧洲视频|
国产成熟妇女性视频电影|
精品人妻一区二区三区浪潮在线|
国产精品va尤物在线观看|
国产一区国产二区在线精品|