本發(fā)明公開了一種適用于數(shù)字散斑干涉測量、實(shí)現(xiàn)低計(jì)算量快速解包裹的散斑干涉相位解包裹方法。該方法首先構(gòu)建以改進(jìn)ERF?Net為骨干的解包裹神經(jīng)網(wǎng)絡(luò)模型，整體采用編碼器?解碼器?輸出層串聯(lián)結(jié)構(gòu)：編碼器端通過多級下采樣模塊和非瓶頸1D卷積模塊...

本發(fā)明公開了一種高可靠性壓電復(fù)合材料的制備工藝，屬于壓電材料和壓電器件技術(shù)領(lǐng)域。本發(fā)明通過首次切割將壓電陶瓷切割成均等的陶瓷柱后灌注聚合物，再采用二次切割灌注工藝將AlN基板與壓電陶瓷/聚合物復(fù)合材料的上下表面貼合形成夾心結(jié)構(gòu)，引入螺栓...

本發(fā)明公開了一種基于微元神經(jīng)算子的血流動(dòng)力學(xué)計(jì)算方法，包括：基于初始流場、血管幾何及邊界條件，通過預(yù)先訓(xùn)練好的預(yù)測網(wǎng)絡(luò)實(shí)現(xiàn)血管內(nèi)流場的時(shí)移預(yù)測；所述預(yù)測網(wǎng)絡(luò)通過設(shè)計(jì)微元相關(guān)和位移不變的微元神經(jīng)算子，實(shí)現(xiàn)對不同計(jì)算域的血流動(dòng)力學(xué)仿真模擬的...

本發(fā)明公開了一種基于文本先驗(yàn)與平穩(wěn)小波域變換的場景文本超分辨率方法及系統(tǒng)，方法包括：構(gòu)建初始超分辨率圖像生成神經(jīng)網(wǎng)絡(luò)模型，并將歷史低分辨率文本圖像輸入至模型中，得到歷史高分辨率文本圖像；將歷史高分辨率文本圖像應(yīng)用平穩(wěn)小波變換，得到低頻子...

本發(fā)明涉及機(jī)械設(shè)備故障診斷領(lǐng)域，公開了一種基于多模態(tài)數(shù)據(jù)融合偽孿生神經(jīng)網(wǎng)絡(luò)航空發(fā)動(dòng)機(jī)軸承故障診斷方法及系統(tǒng)，其包括：獲取航空發(fā)動(dòng)機(jī)軸承故障振動(dòng)信號(hào)的時(shí)間序列數(shù)據(jù)，將獲取的時(shí)域振動(dòng)信號(hào)進(jìn)行預(yù)處理，并將時(shí)域振動(dòng)信號(hào)轉(zhuǎn)換為GASF圖像；將處理...

本發(fā)明涉及一種基于貝葉斯標(biāo)簽填充的海上稀疏標(biāo)簽風(fēng)場訂正方法，根據(jù)高斯樸素貝葉斯算法使用現(xiàn)有的風(fēng)場參考數(shù)據(jù)建立分類器，利用分類器對未標(biāo)記數(shù)據(jù)進(jìn)行風(fēng)場參考填充。其特征是使用有風(fēng)場參考數(shù)據(jù)的標(biāo)記部分計(jì)算該部分?jǐn)?shù)據(jù)的標(biāo)準(zhǔn)差與方差，之后再進(jìn)行極大...

本發(fā)明涉及一種基于區(qū)域遷移的海上稀疏標(biāo)簽風(fēng)場訂正方法，利用參數(shù)遷移的方式將從陸地區(qū)域訓(xùn)練中得到的模型參數(shù)共享到海洋區(qū)域風(fēng)速訂正模型中。其特征是以地面區(qū)域?yàn)橹鞯臄?shù)據(jù)作為源域進(jìn)行源任務(wù)訓(xùn)練，將訓(xùn)練好的網(wǎng)絡(luò)參數(shù)作為目標(biāo)任務(wù)訓(xùn)練模型的初始化參數(shù)...

本發(fā)明涉及深度學(xué)習(xí)中基于改進(jìn)風(fēng)場方向損失函數(shù)的監(jiān)督學(xué)習(xí)方法，重新定義訂正結(jié)果與參考數(shù)據(jù)的風(fēng)向誤差，將其范圍控制在[?180°～180°)；同時(shí)輸入模型前要將風(fēng)向數(shù)據(jù)歸一化，則歸一化后的誤差范圍重新定義到[?1，1]之間。損失函數(shù)則是計(jì)算...

本發(fā)明公開了一種用于測試金屬諧振子的系統(tǒng)及方法。其中，該系統(tǒng)包括：真空環(huán)境單元，用于為金屬諧振子提供空氣阻力小于阻力閾值且干擾小于干擾閾值的測試環(huán)境；信號(hào)激勵(lì)單元，用于生成、放大并傳遞用于施加到所述金屬諧振子上的激勵(lì)信號(hào)；檢測單元，用于...

本發(fā)明提供了改進(jìn)YOLOv9的輕量級鋼材表面缺陷檢測模型包括：采集鋼材的表面圖像，分別對YOLOv9的骨干網(wǎng)絡(luò)和頸部進(jìn)行改進(jìn)，生成有效網(wǎng)絡(luò)結(jié)構(gòu)，利用所述有效網(wǎng)絡(luò)結(jié)構(gòu)對所述表面圖像進(jìn)行卷積處理，得到所述表面圖像的若干個(gè)卷積紋理，分別對每一...

基于L2貪婪采樣的RT?RRT*全局路徑規(guī)劃方法，它屬于自動(dòng)駕駛車輛路徑規(guī)劃技術(shù)領(lǐng)域。本發(fā)明解決了現(xiàn)有方法進(jìn)行路徑搜索所需要的耗時(shí)長、路徑搜索的收斂速度慢的問題。本發(fā)明的雙向搜索框架從起始點(diǎn)和目標(biāo)點(diǎn)同時(shí)構(gòu)建兩棵獨(dú)立的搜索樹來探索狀態(tài)空間...

本發(fā)明公開了一種大語言模型中慢思考與快速響應(yīng)區(qū)域的解耦方法及裝置。其中，該方法包括：構(gòu)造慢思考提示和快響應(yīng)提示，將慢思考提示和快響應(yīng)提示分別輸入大語言模型，并記錄大語言模型的每一線性層的神經(jīng)元激活值；基于慢思考提示和快響應(yīng)提示分別對應(yīng)的...

本發(fā)明公開了一種基于離群類抑制的領(lǐng)域?qū)共糠钟蜻m應(yīng)知識(shí)遷移方法及系統(tǒng)，涉及人工智能與機(jī)器人技術(shù)領(lǐng)域。構(gòu)建知識(shí)遷移框架，包括領(lǐng)域判別器和分類器；從源域和目標(biāo)域的數(shù)據(jù)中提取特征；將提取的特征通過領(lǐng)域判別器對抗對齊，利用分類器的離群類抑制功能...

本發(fā)明公開了一種無人機(jī)航拍圖像的輕量級多尺度目標(biāo)檢測方法及系統(tǒng)，涉及無人機(jī)航拍圖像目標(biāo)檢測領(lǐng)域。步驟為：獲取無人機(jī)航拍圖像數(shù)據(jù)集，并將數(shù)據(jù)集劃分為訓(xùn)練集和測試集；基于YOLOv8?X進(jìn)行改進(jìn)生成LMS?YOLO網(wǎng)絡(luò)；在LMS?YOLO網(wǎng)...

本發(fā)明公開了一種高靈敏度無質(zhì)量塊壓電加速度傳感器設(shè)計(jì)，適用于工業(yè)設(shè)備監(jiān)測、航空航天及消費(fèi)電子等領(lǐng)域的微弱振動(dòng)信號(hào)檢測。針對傳統(tǒng)壓電加速度傳感器因質(zhì)量塊設(shè)計(jì)和機(jī)械剛度調(diào)整導(dǎo)致的成本高、體積大及帶寬受限問題，本發(fā)明采用單塊鋯鈦酸鉛壓電陶瓷（...

本發(fā)明公開了一種區(qū)間二型模糊受限玻爾茲曼機(jī)的圖像識(shí)別和分類方法，包括對采集圖像數(shù)據(jù)進(jìn)行預(yù)處理，形成訓(xùn)練集和測試集；采用對稱三角模糊數(shù)、非對稱三角模糊數(shù)或高斯模糊數(shù)構(gòu)建模糊自由能函數(shù)，并通過清晰概率均值去模糊化處理得到去模糊后的自由能函數(shù)...

本發(fā)明屬于計(jì)算機(jī)視覺技術(shù)領(lǐng)域，公開了一種針對點(diǎn)標(biāo)注的航空圖像目標(biāo)檢測系統(tǒng)及方法，系統(tǒng)包括：圖像預(yù)處理模塊、特征提取模塊、多尺度注意力擴(kuò)張模塊和檢測模塊；所述圖像預(yù)處理模塊用于對所述航空圖像進(jìn)行多類別模版圖片覆蓋，并進(jìn)行隨機(jī)翻轉(zhuǎn)、隨機(jī)縮放...

本申請公開了一種基于長短鏈協(xié)同的巨星座分層多域路由方法及裝置，涉及衛(wèi)星通信領(lǐng)域，該方法包括：構(gòu)建衛(wèi)星網(wǎng)絡(luò)分層多域架構(gòu)，包括：GEO衛(wèi)星層、MEO衛(wèi)星層以及LEO衛(wèi)星層；采用LEO衛(wèi)星分簇算法為LEO衛(wèi)星網(wǎng)絡(luò)動(dòng)態(tài)分簇，形成多個(gè)分布式云；構(gòu)...

本發(fā)明提供了一種基于先進(jìn)封裝的多層級PDN建模優(yōu)化方法與系統(tǒng)，屬于電氣封裝設(shè)計(jì)技術(shù)領(lǐng)域，該方法包括：在包含芯片級、封裝基板級和PCB級的多層級封裝中，在考慮材料的實(shí)際電磁參數(shù)、供電布局、走線拓?fù)湟约半娫椿芈返膶?shí)際長度的情況下，得到每一層...

本發(fā)明公開了一種基于大語言模型的金融混合數(shù)據(jù)智能問答方法及系統(tǒng)。涉及混合數(shù)據(jù)智能問答技術(shù)領(lǐng)域，方法包括：步驟1：獲取TAT?QA數(shù)據(jù)，并使用TAT?QA開發(fā)集中的數(shù)據(jù)構(gòu)建類比樣例數(shù)據(jù)集；步驟2：使用所述類比樣例數(shù)據(jù)集構(gòu)建類比樣例向量庫；...