<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(dòng)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(biāo)交易
        會(huì)員權(quán)益
        需求市場(chǎng)

        
        關(guān)于龍圖騰

        
        
        
        
        
        
    
          
    
          
        
        
             / 

            
            
            免費(fèi)注冊(cè)
        
    
          

          



          
    
          
        到頂部
        到底部
    
          

          















          
    
    
          
        
        
          
            
            
            
            
            
            
            
            

            
            
          
                
          
                    
                    清空
                    搜索
                
          
            
          

            
            
            
            
            
            
            
            
            
            
        
          
        
        
        
    
          

          








          
      
          
          
          
            
          
                
          
                  
          
                  	
                  	
                  		計(jì)算;推算;計(jì)數(shù)設(shè)備的制造及其應(yīng)用技術(shù)
                  	
                  
          
                
          
                
          
                    
            
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于深度學(xué)習(xí)的變電站設(shè)備狀態(tài)監(jiān)測(cè)與智能故障預(yù)警方法，S1.得到預(yù)處理后的多源狀態(tài)數(shù)據(jù)集；S2.生成高維度設(shè)備狀態(tài)特征矩陣；S3.故障敏感深度置信網(wǎng)絡(luò)模型，形成初步故障狀態(tài)識(shí)別結(jié)果；S4.獲得經(jīng)過優(yōu)化的敏感深度置信網(wǎng)絡(luò)模型；S...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種評(píng)估流域中下游水位流量變化的深度學(xué)習(xí)方法及裝置，其中的方法包括水文斷面資料收集與預(yù)處理；流域上游控制站的流量還原計(jì)算與演進(jìn)；水位流量變化響應(yīng)代理模型構(gòu)建，基于深度學(xué)習(xí)構(gòu)建流域上游水庫調(diào)蓄與中下游水位流量變化響應(yīng)的代理模型；數(shù)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請(qǐng)?zhí)岢鲆环N電網(wǎng)智能決策方法、模型的構(gòu)建方法、設(shè)備及介質(zhì)，對(duì)歷史電網(wǎng)元數(shù)據(jù)及電網(wǎng)調(diào)控策略數(shù)據(jù)進(jìn)行特征提取，對(duì)獲得的歷史數(shù)據(jù)特征進(jìn)行聚類并生成對(duì)應(yīng)的標(biāo)簽，利用標(biāo)簽和策略特征構(gòu)建知識(shí)圖譜，并基于知識(shí)圖譜和深度學(xué)習(xí)算法構(gòu)建電網(wǎng)智能決策模型，這樣...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及配電網(wǎng)架空線路設(shè)備故障技術(shù)領(lǐng)域，尤其涉及一種大風(fēng)災(zāi)害下配電網(wǎng)架空線路風(fēng)致故障概率計(jì)算方法及系統(tǒng)。本發(fā)明基于起始點(diǎn)到預(yù)設(shè)時(shí)刻所經(jīng)歷的t時(shí)間段內(nèi)每次大風(fēng)沖擊時(shí)配電網(wǎng)桿塔結(jié)構(gòu)、導(dǎo)線結(jié)構(gòu)的退損瞬時(shí)增量，分別構(gòu)建桿塔結(jié)構(gòu)、導(dǎo)線結(jié)構(gòu)的短時(shí)沖擊...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種邊端設(shè)備一體化脆弱性指標(biāo)的評(píng)估方法及裝置、設(shè)備及存儲(chǔ)介質(zhì)。所述邊端設(shè)備一體化脆弱性指標(biāo)的評(píng)估方法包括：確定邊端設(shè)備的脆弱性指標(biāo)；根據(jù)所述脆弱性指標(biāo)構(gòu)建數(shù)據(jù)集；根據(jù)所述數(shù)據(jù)集訓(xùn)練構(gòu)建的機(jī)器學(xué)習(xí)模型，得到脆弱性指標(biāo)的評(píng)估模型；其...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      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(shè)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(biāo)注，將所述構(gòu)筑數(shù)據(jù)標(biāo)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(jìn)行標(biāo)注，進(jìn)行神...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于改進(jìn)BPNN的公共機(jī)構(gòu)能耗缺失數(shù)據(jù)估計(jì)方法，該方法包括獲取公共機(jī)構(gòu)能源消費(fèi)多特征數(shù)據(jù)并進(jìn)行預(yù)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(luò)的缺失數(shù)據(jù)估計(jì)模型，并采用粒子群優(yōu)化算法進(jìn)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      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(shè)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(shí)時(shí)傳感數(shù)據(jù)及設(shè)備管理日志，并進(jìn)行預(yù)語義提取與編碼壓縮，得到邊緣語義片段；利用設(shè)備管理日志分析配電設(shè)備拓?fù)浣Y(jié)構(gòu)，并利用配電...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于動(dòng)態(tài)可視數(shù)據(jù)的電能質(zhì)量評(píng)估方法及系統(tǒng)，涉及配電網(wǎng)電能評(píng)估技術(shù)領(lǐng)域，包括：通過多模態(tài)傳感器網(wǎng)絡(luò)采集電氣運(yùn)行數(shù)據(jù)、環(huán)境參數(shù)及負(fù)荷特性數(shù)據(jù)，經(jīng)時(shí)空對(duì)齊生成動(dòng)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(shí)序特...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請(qǐng)?zhí)峁┮环N建筑施工監(jiān)測(cè)方法，包括：獲取施工現(xiàn)場(chǎng)的多視角視頻圖像數(shù)據(jù)，采用圖像拼接算法對(duì)所述多視角視頻圖像數(shù)據(jù)進(jìn)行融合處理，得到施工現(xiàn)場(chǎng)全景三維場(chǎng)景模型；獲取所述全景三維場(chǎng)景模型中的圖像幀，采用預(yù)先訓(xùn)練的工種識(shí)別模型對(duì)所述圖像幀進(jìn)行分析，...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      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(shí)長(zhǎng)、商品點(diǎn)擊量）和購買特征（復(fù)購周期、時(shí)效偏好），構(gòu)建風(fēng)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(duì)商品風(fēng)格的關(guān)注度...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明屬于地震災(zāi)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(zāi)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(yù)處理地面結(jié)構(gòu)數(shù)據(jù)采集：利用多平臺(tái)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(qǐng)?zhí)峁┮环N應(yīng)用預(yù)測(cè)模型的智能廣告內(nèi)容推薦方法及系統(tǒng)，首先獲取目標(biāo)用戶在廣告交互場(chǎng)景下的歷史交互數(shù)據(jù)集合，其含多個(gè)由用戶標(biāo)識(shí)符等組成的廣告交互序列，接著對(duì)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(jī)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(luò)，進(jìn)而采集振動(dòng)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(qiáng)振動(dòng)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(jì)算...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種基于對(duì)比學(xué)習(xí)的視頻異常檢測(cè)模型的訓(xùn)練方法及裝置、視頻異常檢測(cè)方法及裝置，可以應(yīng)用于深度強(qiáng)化學(xué)習(xí)技術(shù)領(lǐng)域。該訓(xùn)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(qǐng)?zhí)峁┮环N占據(jù)柵格感知方法及電子設(shè)備，該方法獲取當(dāng)前時(shí)刻的多視角圖像，進(jìn)而根據(jù)多視角圖像、各初始化體素向量與對(duì)應(yīng)的體素向量查詢特征、以及上一時(shí)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(shí)刻的部分最終體素向量，作為當(dāng)前時(shí)刻...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及工業(yè)生產(chǎn)檢測(cè)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(cè)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(shí)時(shí)圖像數(shù)據(jù)；缺陷檢測(cè)模塊，用改進(jìn)型殘差網(wǎng)絡(luò)提取多層級(jí)特征生成缺陷概率分布圖；動(dòng)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(cè)方法，包括1）獲取原始圖像并對(duì)圖像進(jìn)行預(yù)處理，劃分?jǐn)?shù)據(jù)集；2）構(gòu)建MA?UNet模型，采用編碼器?解碼器對(duì)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(fù)分辨...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了基于多向時(shí)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(duì)輸入的EEG信號(hào)進(jìn)行預(yù)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(jìn)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(kuò)展預(yù)測(cè)方法，涉及深海耐壓艙疲勞檢測(cè)技術(shù)領(lǐng)域，建立深海耐壓艙的整機(jī)有限元模型，并對(duì)薄弱環(huán)節(jié)分析，進(jìn)行精細(xì)建模；建立應(yīng)力強(qiáng)度因子—高斯過程代理模型；基于動(dòng)態(tài)貝葉斯best?worst網(wǎng)絡(luò)模型，進(jìn)行深...
								
            
							
            
							
						
            • 
					
                    
          
                
          

                 
          
                 	
                 	
		            	首頁
		            	上一頁
		            	
		            	8
		            	
		            	下一頁


                 	
            	
          
            
          
            
          
                
          
                  
          技術(shù)分類
          
                  
          
                      
                  
          
                
          
            
          
          
          
      
          
    
          
    
    

























































































































































 
 
    







主站蜘蛛池模板：
69堂人成无码免费视频果冻传媒|
富婆如狼似虎找黑人老外|
亚洲 都市 无码 校园 激情|
亚洲国产av无码精品无广告
|
又黄又爽又无遮挡免费的网站|
无码人妻久久一区二区三区app|
国模吧无码一区二区三区|
男女裸交免费无遮挡全过程|
日韩丝袜欧美人妻制服|
国产精品久久久久久影视|
亚洲精华国产精华精华|
国产福利高颜值在线观看
|
国产影片AV级毛片特别刺激|
日韩精品国产另类专区|
久久久一本精品99久久精品88|
午夜精品久久久久久久爽|
久久综合狠狠综合久久激情|
国产精品美女久久久久久2021
|
国产精品自在线拍国产|
韩国无码AV片午夜福利|
伊人精品成人久久综合|
日韩一卡二卡三卡四卡免费观在线|
国产精品爽爽ⅴa在线观看|
无卡无码无免费毛片|
99e久热只有精品8在线直播|
亚洲精品男男一区二区|
在线播放无码高潮的视频|
双乳奶水饱满少妇呻吟免费看|
国产成人不卡一区二区|
亚洲色婷婷一区二区三区|
国产无套白浆一区二区|
国产成人AV大片大片在线播放|
国产精品自在线拍国产手青青机版|
婷婷综合久久中文字幕|
久久国产中文娱乐网|
无码国产一区二区三区四区|
可以直接看的无码av|
老色鬼在线精品视频|
国产麻豆精品一区|
69做爰视频在线观看|
四虎成人精品永久网站|