|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務平臺
一種基于元模型的智慧城市異構(gòu)數(shù)據(jù)共享方法
本發(fā)明公開了一種基于元模型的智慧城市異構(gòu)數(shù)據(jù)共享方法，包括 1：基于 MOF 元建模理論，構(gòu) 建城市數(shù)據(jù)元模型建模框架；2：根據(jù)城市數(shù)據(jù)特征及描述需求，構(gòu)建城市數(shù)據(jù)元模型通用元素集；3： 根據(jù)城市數(shù)據(jù)基本分類和專用元素集擴展模式，發(fā)展數(shù)據(jù)元模型專用元素集；4：基于 XML 模板建模， 形成元模型通用元素集和專用元素集形式化方法；5：實現(xiàn)網(wǎng)絡目錄服務、數(shù)據(jù)服務，建立開放式城市 數(shù)據(jù)元模型注冊和管理平臺；6：根據(jù)用戶實際應用需求，設(shè)計城市數(shù)據(jù)細粒度發(fā)現(xiàn)接口并獲得數(shù)據(jù)。 本發(fā)明為用戶提供了一種開放式、標準化城市異構(gòu)數(shù)據(jù)共享的解決方案，為城市異構(gòu)數(shù)據(jù)在線訪問、后 續(xù)處理及協(xié)同應用提供了支持，是城市異構(gòu)數(shù)據(jù)共享中高效實用可靠的方法。
武漢大學
2021-04-13
一種副豬嗜血桿菌感染仔豬模型的構(gòu)建方法
其他成果/n一種副豬嗜血桿菌感染仔豬模型的構(gòu)建方法，涉及動物模型構(gòu)建領(lǐng)域，包括將若干CD仔豬養(yǎng)殖至18～25日齡，均分為感染組A和對照組B，判定CD仔豬體內(nèi)不存在HPS病原、不含APP病原或APP抗體后，飼養(yǎng)至40～70日齡時，向感染組A中所有CD仔豬氣管內(nèi)接種HPS菌種；向?qū)φ战MB中所有CD仔豬氣管內(nèi)注射培養(yǎng)基，得到空白組B′，觀察并檢測攻毒組A′、空白組B′，提取攻毒組A′、空白組B′的肺臟組織的總DNA，判定攻毒組A′的肺臟組織中存在HPS病原的同時，空白組B′的肺臟組織的中不存在HPS病原。
武漢輕工大學
2021-01-12
精軋負荷分配優(yōu)化設(shè)計與模型自適應技術(shù)研究
小試階段/n項目已解決的關(guān)鍵技術(shù)問題和技術(shù)創(chuàng)新點：1.提出了精軋變形抗力模型新型“九宮格”自適應學習方法，在“軋制溫度*變形速率”參數(shù)空間上布置多個特征點，對參數(shù)空間上與當前軋制工況位置相鄰的 9 個特征點進行加權(quán)插值，獲得空間任意均連續(xù)的自學習參數(shù)，它是位置坐標的函數(shù)，打破了原來的“自學習系數(shù)與層別一一對應”的關(guān)系，使自學習系數(shù)精確到工作點坐標，解決了 原有的不同層別的自學習參數(shù)相互不關(guān)聯(lián)、跳躍大、不連續(xù)等問題。新方法上線后，應用效果非常明顯，每月帶鋼因厚度超差導致的預封鎖量從投用前的 45 塊/
武漢科技大學
2021-01-12
軋機過程控制數(shù)學模型與軋制穩(wěn)定性技術(shù)
小試階段/n軋機過程控制數(shù)學模型與軋制穩(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、漣鋼等國內(nèi)多條大型熱連軋生產(chǎn)線上成功在線應用。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，軟件著作權(quán)3項。。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
武漢科技大學
2021-01-12
焦爐直行溫度數(shù)學模型的計算機仿真系統(tǒng)
焦爐煉焦是一個復雜的工藝過程，煤料在炭化室內(nèi)隔絕空氣加熱,即高溫干餾。經(jīng)過干燥、熱解、熔融、粘結(jié)、固化、收縮等階段，最終成為焦炭。 焦爐直行溫度是指機側(cè)和焦側(cè)標準立火道的平均溫度，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間的主要參數(shù)之一。燃燒室溫度在一個結(jié)焦期內(nèi)由于相鄰炭化室所處結(jié)焦狀態(tài)不同而發(fā)生規(guī)律性波動，即形成通常所說的“W”曲線，其峰值間的時間間隔取決于推焦串序、循環(huán)檢修計劃和周轉(zhuǎn)時間。本項研究是以焦爐“燃燒室—炭化室傳熱過程數(shù)學模型”為基礎(chǔ)，運用混合編程、多任務和動態(tài)摸擬等技術(shù)首次將焦爐燃燒室—炭化室傳熱過程數(shù)學模型拓展為“焦爐直行溫度數(shù)學模型”，并開發(fā)了由一組燃燒室和炭化室組成的“焦爐直行溫度數(shù)學模型計算機仿真系統(tǒng)”。運用該模型可以仿真不同的推焦計劃、裝爐煤水份、裝煤量、燃料熱值等熱工參數(shù)對焦爐直行溫度的影響，從而為焦爐直行溫度的優(yōu)化設(shè)定提供堅實的理論依據(jù)。
北京科技大學
2021-04-13
圖像自動標注和模型訓練技術(shù)在工業(yè)視覺中的應用
1. 痛點問題
工業(yè)視覺場景下普遍存在缺陷樣本數(shù)量少、難采集，已有標注方案無法完全發(fā)揮樣本數(shù)據(jù)效用等問題。在工業(yè)視覺應用場景中，產(chǎn)線整體生產(chǎn)良率均已達到相當水平，人工可識別的缺陷樣本數(shù)量相對較少，且采集難度較大。制造生產(chǎn)環(huán)節(jié)對產(chǎn)線效率要求較高，模型訓練難以實現(xiàn)精度與效率上的平衡。
2. 解決方案
本項目將最新的少樣本學習、連續(xù)學習、模型壓縮與優(yōu)化技術(shù)，與工業(yè)場景中的缺陷檢測需求深入結(jié)合，致力于工業(yè)視覺自主知識產(chǎn)權(quán)軟硬件一體化裝備研發(fā)。針對玻璃深加工與半導體晶圓宏觀缺陷檢測，本項目已完成工業(yè)視覺全流程視覺感知算法、人工智能算法研發(fā)平臺、玻璃智能一體檢測設(shè)備、晶圓宏觀缺陷檢測設(shè)備等智能設(shè)備的原理驗證和裝備試制，同時有多項智能設(shè)備在研。
本項目在玻璃與半導體缺陷檢測中，基于圖像自動標注方法完成少樣本場景下的數(shù)據(jù)采集與標注，通過弱監(jiān)督學習和連續(xù)學習方法完成有效模型構(gòu)建，并針對長尾數(shù)據(jù)集設(shè)計模型訓練和優(yōu)化方法，實現(xiàn)高效工業(yè)視覺感知計算。針對工業(yè)視覺場景，本項目集成視覺感知算法能力，研發(fā)人工智能算法研發(fā)平臺，該平臺秉承低代碼化、可視化等原則，打造包含數(shù)據(jù)采集與標注、算法訓練與評估、模型壓縮與優(yōu)化、應用部署與管理的數(shù)據(jù)閉環(huán)。
合作需求
尋求浮法玻璃深加工、半導體加工與制造等行業(yè)企業(yè)合作。
清華大學
2021-12-23
水輪機調(diào)節(jié)系統(tǒng)高階數(shù)學模型的降階方法
一種水輪機調(diào)節(jié)系統(tǒng)高階數(shù)學模型的降階方法，包括如下步驟：①簡化系統(tǒng)分母的最高次項，實現(xiàn) 系統(tǒng)的一次降階，得到一次低階等效系統(tǒng)式；②從波動疊加的角度出發(fā)，將一次低階等效系統(tǒng)式變換為 兩個 2 階子系統(tǒng)相加的形式；③進行拉普拉斯反變換，得到水輪機調(diào)節(jié)系統(tǒng)的一次低階等效系統(tǒng)在負荷 階躍擾動下的機組轉(zhuǎn)速響應波動方程；④對完整 5 階系統(tǒng)式進行二次降階；⑤利用二階系統(tǒng)進行水輪機 調(diào)節(jié)系統(tǒng)轉(zhuǎn)速響應調(diào)節(jié)品質(zhì)的影響因素分析。其優(yōu)點是：較之其他降階方法，本方法是
武漢大學
2021-04-14
一種計算三維點云模型骨骼的方法
本發(fā)明公開了一種計算三維點云模型骨骼的方法；本發(fā)明首先通過使用逐步細分的策略將三維點云 模型均勻體素化；此后，使用快速行軍算法，計算出模型內(nèi)部體素點的距離域；然后，使用距離域計算 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，快速準確計算出模型骨骼；與現(xiàn)有的三維點云模型骨骼提取方法相比，本發(fā)明處理帶有大量噪 聲點、奇異點和大面積點云缺失的點云模型，而且不會產(chǎn)生錯誤的骨骼連接，同時不
武漢大學
2021-04-14
藥大學.jpg){kind=logo}
雙重（三重）差分模型在政策評價中的運用
雙重（三重）差分模型通過設(shè)置交互項來分析政策效應，在政策評價領(lǐng)域具有明顯優(yōu)勢。該研究設(shè)計的優(yōu)勢在于：第一，通過將改革引起的結(jié)局變量時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，以反映改革的效應。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)。如果這些政策對不同組別的影響不一致，那么排除這些政策就可能會產(chǎn)生偏倚。如果研究樣本當中這些因素分布不均衡，就應該對這些非隨機的因素進行控制以稀釋它的不同影響。尤其是在評價宏觀事件的影響時，因為在研究設(shè)計上無法找到一個符合實際的合理的對照組而對控制其他改革效應帶來了難度。雙重差分可提供一個罕見于其他相關(guān)研究的機會，通過政策實施前后結(jié)果取差來排除沒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，使對政策效應的分析更加可行，也更接近現(xiàn)實實際。
成都中醫(yī)藥大學
2015-07-15
一種基于有限混合模型的行人再識別方法
本發(fā)明公開了一種基于有限混合模型的行人再識別方法，屬于 計算機視覺和模式識別領(lǐng)域，提升行人再識別的準確度，包括以下步 驟：(1)構(gòu)建行人圖像庫預處理圖像并提取圖像特征；(2)計算圖像庫中 所有圖像的有限混合模型和待再識別行人的圖像的有限混合模型參 數(shù)；(3)將需再識別行人的有限混合模型與圖像庫中所有圖像的有限混 合模型之間的距離進行最優(yōu)化求解，并進行距離排序返回再識別結(jié)果。 本發(fā)明優(yōu)化混合模型之間的距離度量，提高行人
華中科技大學
2021-04-14