中文字幕第64久久,一区二区不卡在线,玩弄丰满熟妇XXXXX性

<font id="tot6n"></font>

<option id="tot6n"></option>

<b id="tot6n"><rt id="tot6n"></rt></b>

2025年11月13日星期四

當前位置

-網(wǎng)站首頁 -專利超市

專利超市

產(chǎn)業(yè)分類:

專利權(quán)人:

專利類別:

合作方式:

綜合排序

雙五星

一種光子帶隙可調(diào)型聚乙烯亞胺功能化光子晶體薄膜的制備
本發(fā)明提供了一種光子帶隙可調(diào)型聚乙烯亞胺功能化光子晶體薄膜的制備。首先配置一定濃度的聚乙烯亞胺水溶液，并滴涂在聚合物光子晶體薄膜上，鼓風并且在30～40℃下烘干后得到聚乙烯亞胺功能化聚合物光子晶體薄膜。然后通過改變聚乙烯亞胺滴涂的層數(shù)，線性調(diào)節(jié)聚乙烯亞胺功能化聚合物光子晶體薄膜的光子帶隙。得到光子帶隙可調(diào)型聚乙烯亞胺功能化光子晶體薄膜。本發(fā)明所制備的光子晶體薄膜衍射峰對應(yīng)的最短波長為505～510 nm,衍射峰對應(yīng)的最長波長為555～560 nm。通過改變聚乙烯亞胺滴涂層數(shù)，其光子帶隙可在2.2～2.4 eV之間連續(xù)調(diào)節(jié)。本發(fā)明所制備的光子晶體薄膜在pH 1.0～pH 10.0、30 min連續(xù)紫外光照射、1 nM～1 M離子濃度、25℃～50℃溫度條件下，衍射峰位置基本保持不變。

吉林化工大學 授權(quán)發(fā)明
新一代信息技術(shù)

一種全連接CRF級聯(lián)FCN和K均值腦腫瘤分割算法
本發(fā)明涉及一種基于深度學習和傳統(tǒng)分割算法結(jié)合的腦腫瘤分割算法，特別是一種全連接CRF級聯(lián)FCN和K均值腦腫瘤分割算法。DenseCRF將原始圖像中的所有像素與FCN算法的分割結(jié)果中的每個像素進行匹配，尋找具有相同屬性的像素，對輸入進行補充平滑，改善分割結(jié)果的細節(jié)信息，提高分割精度。同時，在不同的分割算法中，其分割的標準也會有所不同，通過融合具有不同分割標準的深度學習算法FCN和傳統(tǒng)分割算法K均值聚類，基于不同分割標準的算法得到的分割結(jié)果互相補充，使分割的結(jié)果更接近于真實分割圖像。從而更精確地分割腦腫瘤核磁共振圖像，為腦腫瘤核磁共振圖像的高精度的重復性測量和評估提供更精確的腫瘤圖像。

長春工業(yè)大學 授權(quán)發(fā)明
新一代信息技術(shù)

一種面向云制造任務(wù)變化的資源動態(tài)調(diào)度方法
本發(fā)明提供一種面向云制造任務(wù)變化的資源動態(tài)調(diào)度方法，所屬技術(shù)領(lǐng)域為先進制造技術(shù)領(lǐng)域。其特征在于該方法首先根據(jù)資源需求方和資源提供方上傳至云平臺的服務(wù)需求，對云制造環(huán)境下資源調(diào)度需求狀況進行了綜合分析；然后根據(jù)制造任務(wù)和制造資源的屬性特點，并結(jié)合實際資源調(diào)度規(guī)則構(gòu)建面向云制造任務(wù)變化的資源動態(tài)調(diào)度模型，最后應(yīng)用多層編碼的遺傳算法對資源調(diào)度過程進行優(yōu)化求解，以獲得滿足條件的云制造資源調(diào)度方案和實時調(diào)度更新策略。本發(fā)明廣泛應(yīng)用于云平臺下的加工制造服務(wù)企業(yè)，考慮了云制造環(huán)境下影響資源調(diào)度的眾多擾動因素，實現(xiàn)了對高度動態(tài)云制造環(huán)境下制造資源的高效優(yōu)化調(diào)度，改善了制造企業(yè)服務(wù)成本高、制造質(zhì)量低、制造負載不均衡等問題。

長春工業(yè)大學 授權(quán)發(fā)明
新一代信息技術(shù)

指靜脈識別模型訓練方法及識別方法、系統(tǒng)和終端
本發(fā)明提出了一種指靜脈識別模型訓練方法及識別方法、系統(tǒng)和終端，指靜脈識別模型訓練方法包括：對原始的手指靜脈圖像進行ROI定位，得到每張指靜脈圖像的ROI；對指靜脈數(shù)據(jù)集中所有指靜脈圖像樣本進行處理，得到每張圖像的ROI并進行保存；對處理后的指靜脈數(shù)據(jù)集進行訓練集和測試集的劃分；對數(shù)據(jù)集中的指靜脈圖像進行分塊處理，將分塊后的指靜脈圖像拉平重組；對指靜脈圖像進行線性映射處理，將二維的指靜脈圖像處理為一維的向量；搭建模型的Transformer Encoder模塊；搭建模型的膠囊網(wǎng)絡(luò)模塊；使用訓練集和測試集對所述的融合視覺Transformer和膠囊神經(jīng)網(wǎng)絡(luò)模型進行訓練，得到指靜脈識別網(wǎng)絡(luò)模型。

長春工業(yè)大學 授權(quán)發(fā)明
新一代信息技術(shù)

一種面向云制造資源變化的動態(tài)調(diào)度方法
本發(fā)明提供一種面向云制造資源變化的動態(tài)調(diào)度方法，所屬技術(shù)領(lǐng)域為先進制造技術(shù)領(lǐng)域。其特征在于該方法首先綜合云服務(wù)平臺的需求結(jié)合資源調(diào)度過程中可能會出現(xiàn)的資源屬性變化、新資源接入、資源撤出等干擾情況，對云制造環(huán)境下資源的變化進行分析，構(gòu)建面向云制造資源變化的動態(tài)調(diào)度模型，最后應(yīng)用改進粒子群算法對資源的動態(tài)調(diào)度模型進行求解，以獲得能夠滿足條件的云制造環(huán)境下的資源調(diào)度方案和實時的資源調(diào)度更新策略。本發(fā)明廣泛應(yīng)用于云制造平臺下的加工制造服務(wù)企業(yè)，實現(xiàn)了對云制造環(huán)境下動態(tài)資源的調(diào)度優(yōu)化，改善了制造企業(yè)成本高，資源負載不均衡等問題。

長春工業(yè)大學 授權(quán)發(fā)明
新一代信息技術(shù)

一種基于殘差注意力機制的指靜脈識別方法
本發(fā)明提出了一種基于殘差注意力機制的指靜脈識別方法，包括以下方法步驟：對原始指靜脈圖像進行邊緣檢測，得到單像素寬的手指邊緣線后，對原始指靜脈圖像進行旋轉(zhuǎn)矯正；獲取不包含背景信息的指靜脈前景圖像；確定指靜脈感興趣區(qū)域ROI；對數(shù)據(jù)集各類別中的指靜脈圖像樣本重復以上步驟得到每張指靜脈圖像的ROI；對處理后的指靜脈數(shù)據(jù)集進行訓練集和測試集的劃分；使用改進的殘差注意力網(wǎng)絡(luò)進行融合特征提?。粚λ龈倪M的殘差注意力網(wǎng)絡(luò)進行訓練即可得到指靜脈圖像分類網(wǎng)絡(luò)；將對獲取到的原始指靜脈圖像輸入已訓練好的基于殘差注意力機制的指靜脈圖像分類網(wǎng)絡(luò)，即可輸出識別結(jié)果。

長春工業(yè)大學 授權(quán)發(fā)明

上一頁
1
2
...
8
9
10
11
12
...
58
59
下一頁

<option id="um3cs"><del id="um3cs"></del></option>

<pre id="um3cs"><menuitem id="um3cs"></menuitem></pre>