葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

小試階段/n項(xiàng)目已解決的關(guān)鍵技術(shù)問(wèn)題和技術(shù)創(chuàng)新點(diǎn)：1.提出了精軋變形抗力模型新型“九宮格”自適應(yīng)學(xué)習(xí)方法，在“軋制溫度*變形速率”參數(shù)空間上布置多個(gè)特征點(diǎn)，對(duì)參數(shù)空間上與當(dāng)前軋制工況位置相鄰的 9 個(gè)特征點(diǎn)進(jìn)行加權(quán)插值，獲得空間任意均連續(xù)的自學(xué)習(xí)參數(shù)，它是位置坐標(biāo)的函數(shù)，打破了原來(lái)的“自學(xué)習(xí)系數(shù)與層別一一對(duì)應(yīng)”的關(guān)系，使自學(xué)習(xí)系數(shù)精確到工作點(diǎn)坐標(biāo)，解決了 原有的不同層別的自學(xué)習(xí)參數(shù)相互不關(guān)聯(lián)、跳躍大、不連續(xù)等問(wèn)題。新方法上線后，應(yīng)用效果非常明顯，每月帶鋼因厚度超差導(dǎo)致的預(yù)封鎖量從投用前的 45 塊/

小試階段/n軋機(jī)過(guò)程控制數(shù)學(xué)模型與軋制穩(wěn)定性技術(shù)直接影響帶鋼產(chǎn)品質(zhì)量與生產(chǎn)成本。該技術(shù)在結(jié)合生產(chǎn)工藝與設(shè)備控制技術(shù)的基礎(chǔ)上，綜合現(xiàn)代控制理論、數(shù)學(xué)建模和人工智能技術(shù)，形成完整的軋線關(guān)鍵模型與軋制穩(wěn)定性控制技術(shù)，已在寶鋼、梅鋼、漣鋼等國(guó)內(nèi)多條大型熱連軋生產(chǎn)線上成功在線應(yīng)用。發(fā)表核心期刊論文30多篇，授權(quán)、受理發(fā)明專利30余項(xiàng)，軟件著作權(quán)3項(xiàng)。。關(guān)鍵技術(shù)：1）高精度軋制設(shè)定模型與尺寸控制。高精度帶鋼厚度控制技術(shù)：包括高精度軋制力能模型、全線一體化分布式溫度模型、輥縫模型，保證高精度的頭部設(shè)定；高精度AG

焦?fàn)t煉焦是一個(gè)復(fù)雜的工藝過(guò)程，煤料在炭化室內(nèi)隔絕空氣加熱,即高溫干餾。經(jīng)過(guò)干燥、熱解、熔融、粘結(jié)、固化、收縮等階段，最終成為焦炭。 焦?fàn)t直行溫度是指機(jī)側(cè)和焦側(cè)標(biāo)準(zhǔn)立火道的平均溫度，它代表全爐的平均溫度水平，是直接影響焦化速率和焦炭成熟時(shí)間的主要參數(shù)之一。燃燒室溫度在一個(gè)結(jié)焦期內(nèi)由于相鄰炭化室所處結(jié)焦?fàn)顟B(tài)不同而發(fā)生規(guī)律性波動(dòng)，即形成通常所說(shuō)的“W”曲線，其峰值間的時(shí)間間隔取決于推焦串序、循環(huán)檢修計(jì)劃和周轉(zhuǎn)時(shí)間。本項(xiàng)研究是以焦?fàn)t“燃燒室—炭化室傳熱過(guò)程數(shù)學(xué)模型”為基礎(chǔ)，運(yùn)用混合編程、多任務(wù)和動(dòng)態(tài)摸擬等技術(shù)首次將焦?fàn)t燃燒室—炭化室傳熱過(guò)程數(shù)學(xué)模型拓展為“焦?fàn)t直行溫度數(shù)學(xué)模型”，并開(kāi)發(fā)了由一組燃燒室和炭化室組成的“焦?fàn)t直行溫度數(shù)學(xué)模型計(jì)算機(jī)仿真系統(tǒng)”。運(yùn)用該模型可以仿真不同的推焦計(jì)劃、裝爐煤水份、裝煤量、燃料熱值等熱工參數(shù)對(duì)焦?fàn)t直行溫度的影響，從而為焦?fàn)t直行溫度的優(yōu)化設(shè)定提供堅(jiān)實(shí)的理論依據(jù)。

1. 痛點(diǎn)問(wèn)題 工業(yè)視覺(jué)場(chǎng)景下普遍存在缺陷樣本數(shù)量少、難采集，已有標(biāo)注方案無(wú)法完全發(fā)揮樣本數(shù)據(jù)效用等問(wèn)題。在工業(yè)視覺(jué)應(yīng)用場(chǎng)景中，產(chǎn)線整體生產(chǎn)良率均已達(dá)到相當(dāng)水平，人工可識(shí)別的缺陷樣本數(shù)量相對(duì)較少，且采集難度較大。制造生產(chǎn)環(huán)節(jié)對(duì)產(chǎn)線效率要求較高，模型訓(xùn)練難以實(shí)現(xiàn)精度與效率上的平衡。 2. 解決方案 本項(xiàng)目將最新的少樣本學(xué)習(xí)、連續(xù)學(xué)習(xí)、模型壓縮與優(yōu)化技術(shù)，與工業(yè)場(chǎng)景中的缺陷檢測(cè)需求深入結(jié)合，致力于工業(yè)視覺(jué)自主知識(shí)產(chǎn)權(quán)軟硬件一體化裝備研發(fā)。針對(duì)玻璃深加工與半導(dǎo)體晶圓宏觀缺陷檢測(cè)，本項(xiàng)目已完成工業(yè)視覺(jué)全流程視覺(jué)感知算法、人工智能算法研發(fā)平臺(tái)、玻璃智能一體檢測(cè)設(shè)備、晶圓宏觀缺陷檢測(cè)設(shè)備等智能設(shè)備的原理驗(yàn)證和裝備試制，同時(shí)有多項(xiàng)智能設(shè)備在研。 本項(xiàng)目在玻璃與半導(dǎo)體缺陷檢測(cè)中，基于圖像自動(dòng)標(biāo)注方法完成少樣本場(chǎng)景下的數(shù)據(jù)采集與標(biāo)注，通過(guò)弱監(jiān)督學(xué)習(xí)和連續(xù)學(xué)習(xí)方法完成有效模型構(gòu)建，并針對(duì)長(zhǎng)尾數(shù)據(jù)集設(shè)計(jì)模型訓(xùn)練和優(yōu)化方法，實(shí)現(xiàn)高效工業(yè)視覺(jué)感知計(jì)算。針對(duì)工業(yè)視覺(jué)場(chǎng)景，本項(xiàng)目集成視覺(jué)感知算法能力，研發(fā)人工智能算法研發(fā)平臺(tái)，該平臺(tái)秉承低代碼化、可視化等原則，打造包含數(shù)據(jù)采集與標(biāo)注、算法訓(xùn)練與評(píng)估、模型壓縮與優(yōu)化、應(yīng)用部署與管理的數(shù)據(jù)閉環(huán)。 合作需求 尋求浮法玻璃深加工、半導(dǎo)體加工與制造等行業(yè)企業(yè)合作。

一種水輪機(jī)調(diào)節(jié)系統(tǒng)高階數(shù)學(xué)模型的降階方法，包括如下步驟：①簡(jiǎn)化系統(tǒng)分母的最高次項(xiàng)，實(shí)現(xiàn) 系統(tǒng)的一次降階，得到一次低階等效系統(tǒng)式；②從波動(dòng)疊加的角度出發(fā)，將一次低階等效系統(tǒng)式變換為 兩個(gè) 2 階子系統(tǒng)相加的形式；③進(jìn)行拉普拉斯反變換，得到水輪機(jī)調(diào)節(jié)系統(tǒng)的一次低階等效系統(tǒng)在負(fù)荷 階躍擾動(dòng)下的機(jī)組轉(zhuǎn)速響應(yīng)波動(dòng)方程；④對(duì)完整 5 階系統(tǒng)式進(jìn)行二次降階；⑤利用二階系統(tǒng)進(jìn)行水輪機(jī) 調(diào)節(jié)系統(tǒng)轉(zhuǎn)速響應(yīng)調(diào)節(jié)品質(zhì)的影響因素分析。其優(yōu)點(diǎn)是：較之其他降階方法，本方法是

本發(fā)明公開(kāi)了一種計(jì)算三維點(diǎn)云模型骨骼的方法；本發(fā)明首先通過(guò)使用逐步細(xì)分的策略將三維點(diǎn)云 模型均勻體素化；此后，使用快速行軍算法，計(jì)算出模型內(nèi)部體素點(diǎn)的距離域；然后，使用距離域計(jì)算 出模型的初始骨骼；最后，將初始骨骼與 L1 中值骨骼提取算法融合，生成基于距離域的 L1 中值骨骼提 取算法，快速準(zhǔn)確計(jì)算出模型骨骼；與現(xiàn)有的三維點(diǎn)云模型骨骼提取方法相比，本發(fā)明處理帶有大量噪 聲點(diǎn)、奇異點(diǎn)和大面積點(diǎn)云缺失的點(diǎn)云模型，而且不會(huì)產(chǎn)生錯(cuò)誤的骨骼連接，同時(shí)不

雙重（三重）差分模型通過(guò)設(shè)置交互項(xiàng)來(lái)分析政策效應(yīng)，在政策評(píng)價(jià)領(lǐng)域具有明顯優(yōu)勢(shì)。該研究設(shè)計(jì)的優(yōu)勢(shì)在于：第一，通過(guò)將改革引起的結(jié)局變量時(shí)間前后差異和組織內(nèi)外部因素引起的結(jié)局變量的差異結(jié)合起來(lái)，以反映改革的效應(yīng)。第二，其他因素的影響，如研究階段內(nèi)可能存在其他政策，這些政策可能與本研究關(guān)注的結(jié)局相關(guān)。如果這些政策對(duì)不同組別的影響不一致，那么排除這些政策就可能會(huì)產(chǎn)生偏倚。如果研究樣本當(dāng)中這些因素分布不均衡，就應(yīng)該對(duì)這些非隨機(jī)的因素進(jìn)行控制以稀釋它的不同影響。尤其是在評(píng)價(jià)宏觀事件的影響時(shí)，因?yàn)樵谘芯吭O(shè)計(jì)上無(wú)法找到一個(gè)符合實(shí)際的合理的對(duì)照組而對(duì)控制其他改革效應(yīng)帶來(lái)了難度。雙重差分可提供一個(gè)罕見(jiàn)于其他相關(guān)研究的機(jī)會(huì)，通過(guò)政策實(shí)施前后結(jié)果取差來(lái)排除沒(méi)有考慮到的因素的存在以及由于它們的存在可能造成的混雜效應(yīng)，使對(duì)政策效應(yīng)的分析更加可行，也更接近現(xiàn)實(shí)實(shí)際。

本發(fā)明公開(kāi)了一種基于有限混合模型的行人再識(shí)別方法，屬于 計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域，提升行人再識(shí)別的準(zhǔn)確度，包括以下步 驟：(1)構(gòu)建行人圖像庫(kù)預(yù)處理圖像并提取圖像特征；(2)計(jì)算圖像庫(kù)中 所有圖像的有限混合模型和待再識(shí)別行人的圖像的有限混合模型參 數(shù)；(3)將需再識(shí)別行人的有限混合模型與圖像庫(kù)中所有圖像的有限混 合模型之間的距離進(jìn)行最優(yōu)化求解，并進(jìn)行距離排序返回再識(shí)別結(jié)果。 本發(fā)明優(yōu)化混合模型之間的距離度量，提高行人

1.痛點(diǎn)問(wèn)題 本項(xiàng)預(yù)期成果是解決復(fù)雜場(chǎng)景中目標(biāo)三維數(shù)據(jù)重建、驅(qū)動(dòng)的關(guān)鍵技術(shù)。 針對(duì)實(shí)際應(yīng)用中復(fù)雜運(yùn)動(dòng)場(chǎng)景，例如剛性運(yùn)動(dòng)的交通工具，變形移動(dòng)行人等，傳統(tǒng)的運(yùn)動(dòng)結(jié)構(gòu)恢復(fù)方法在進(jìn)行場(chǎng)景深度求解時(shí)無(wú)法確定每個(gè)單元結(jié)構(gòu)的相對(duì)尺度，導(dǎo)致無(wú)法對(duì)復(fù)雜運(yùn)動(dòng)場(chǎng)景進(jìn)行重建。在現(xiàn)有的深度估計(jì)、語(yǔ)義分割、位姿估計(jì)等相關(guān)技術(shù)，存在識(shí)別精度低、提取不到關(guān)鍵信息、應(yīng)用場(chǎng)景單一等問(wèn)題，無(wú)法滿足大尺度場(chǎng)景應(yīng)用的需求。 2.解決方案 本項(xiàng)目成果提出了一套面向目標(biāo)、人體深度數(shù)據(jù)重建技術(shù)，有效實(shí)現(xiàn)對(duì)復(fù)雜運(yùn)動(dòng)場(chǎng)景下人、物的深度重建與驅(qū)動(dòng)，有效解決現(xiàn)實(shí)場(chǎng)景目標(biāo)的數(shù)字化模型生成與虛擬場(chǎng)景下的驅(qū)動(dòng)映射問(wèn)題。提出多模態(tài)采集、時(shí)空復(fù)用編碼攝像方法，獲取大景深、高時(shí)空分辨、豐富的精確場(chǎng)景視覺(jué)信息，基于超像素關(guān)系分析的深度重建方法，包括目標(biāo)超像素分割，圖像幀匹配，運(yùn)動(dòng)關(guān)系判定，通過(guò)時(shí)序傳播與概率模型更新實(shí)現(xiàn)實(shí)時(shí)深度重建，提高最終三維重建模型的稠密度、魯棒性、一致性和準(zhǔn)確度。構(gòu)建了基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)實(shí)例檢測(cè)與位姿估計(jì)框架，從目標(biāo)對(duì)象觀測(cè)圖片提取其分割掩碼并不斷迭代更新，輸入深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)而得到目標(biāo)6D位姿估計(jì)并進(jìn)行迭代改進(jìn)，從而實(shí)現(xiàn)目標(biāo)在動(dòng)態(tài)復(fù)雜場(chǎng)景下的位姿還原，克服了在光照、姿態(tài)變化、遮擋等不良因素環(huán)境下的目標(biāo)位姿不準(zhǔn)確問(wèn)題，確保了目標(biāo)6D位姿估計(jì)的魯棒性與準(zhǔn)確性。 合作需求 尋求在元宇宙、數(shù)字城市、自動(dòng)駕駛、AR/VR、機(jī)器人、制造業(yè)等領(lǐng)域有相關(guān)技術(shù)開(kāi)發(fā)、市場(chǎng)推廣經(jīng)驗(yàn)，能推廣本技術(shù)落地的高科技企業(yè)，可以進(jìn)行深度合作。

1.痛點(diǎn)問(wèn)題 我國(guó)水體重金屬污染給區(qū)域環(huán)境造成了一定危害，也給人體健康和生態(tài)安全帶來(lái)了潛在威脅。目前，我國(guó)制定區(qū)域污廢水重金屬排放總量控制目標(biāo)的方法采用目標(biāo)總量管理模式，忽略了水體水質(zhì)和底泥質(zhì)量的約束性；如果考慮上述約束，又缺乏相應(yīng)的技術(shù)手段支撐。特別地，能夠預(yù)測(cè)含重金屬污水進(jìn)入河流后對(duì)水質(zhì)和底質(zhì)質(zhì)量的影響，以及根據(jù)生態(tài)系統(tǒng)保護(hù)和修復(fù)目標(biāo)確定污染減排控制要求等定量分析工具的缺失，制約了水污染控制與管理的精細(xì)化和精準(zhǔn)化發(fā)展。為解決重金屬容量總量管理和污染控制缺乏決策工具的問(wèn)題，開(kāi)發(fā)了河流重金屬遷移轉(zhuǎn)化的一維分相模型，以支持河流重金屬污染過(guò)程模擬與相應(yīng)容量總量定量計(jì)算。 2.解決方案 由于河流中重金屬的演化規(guī)律非常復(fù)雜，影響因素眾多，因此目前國(guó)內(nèi)外對(duì)于河流中重金屬數(shù)值模擬的研究尚不完善。考慮到基于化學(xué)反應(yīng)動(dòng)力學(xué)機(jī)理的模型構(gòu)建復(fù)雜且不易與管理工作結(jié)合，而基于化學(xué)熱力學(xué)平衡機(jī)理的模型存在過(guò)度簡(jiǎn)化從而不滿足控制需求等問(wèn)題，本項(xiàng)目采用遷移轉(zhuǎn)化動(dòng)力學(xué)機(jī)理予以建模。特別地，針對(duì)重金屬在受納河流中存在溶解態(tài)、懸浮顆粒態(tài)和底泥沉淀態(tài)的賦存特征，本項(xiàng)目突破已有經(jīng)驗(yàn)?zāi)Ｐ汀⒄w模型的局限，采用了分相模型的形式。 所開(kāi)發(fā)的模型軟件可用于定量刻畫(huà)河流中重金屬動(dòng)態(tài)遷移轉(zhuǎn)化規(guī)律。該模型系統(tǒng)具有分相特征，將河流體系劃分為水相和底泥相，同時(shí)考慮推流遷移、縱向彌散、沉降作用、再懸浮作用，以及重金屬在水相和底泥相之間的吸附解析作用等核心機(jī)理。采用一階隱式歐拉算法實(shí)現(xiàn)模型的正向數(shù)值求解和預(yù)測(cè)，用于量化一維河流水相和底泥相中重金屬在時(shí)間和空間上的遷移轉(zhuǎn)化過(guò)程。 針對(duì)在流域/區(qū)域尺度上開(kāi)展河流重金屬污染管控的需求，本項(xiàng)目在構(gòu)建重金屬模擬模型的基礎(chǔ)上，進(jìn)一步開(kāi)發(fā)了基于蒙特卡洛模擬的逆向算法，可用于估算同時(shí)滿足水質(zhì)和泥質(zhì)要求的污染源最大排放量。當(dāng)針對(duì)河流保護(hù)對(duì)象給定水質(zhì)和泥質(zhì)雙重保護(hù)目標(biāo)時(shí)，本項(xiàng)目開(kāi)發(fā)的軟件可作為在水相和底泥相濃度限值約束下控制排污口重金屬總量的計(jì)算工具。 合作需求 （1）尋求在水污染監(jiān)測(cè)與環(huán)境管理系統(tǒng)研發(fā)、生產(chǎn)、銷售及運(yùn)營(yíng)服務(wù)的企業(yè)開(kāi)展技術(shù)研發(fā)合作； （2）尋求在生態(tài)環(huán)境、水利、市政等政府部門(mén)或事業(yè)單位及受環(huán)保部門(mén)重點(diǎn)監(jiān)管的污染源企業(yè)的環(huán)境監(jiān)測(cè)與管理相關(guān)應(yīng)用場(chǎng)景對(duì)接資源。