-
公开(公告)号：CN118903561A
公开(公告)日：2024-11-08
申请号：CN202410980244.4
申请日：2024-07-22
摘要： 本发明提供了一种可降解压电支架在促进神经细胞增殖和分化中的应用，其中促进神经细胞增殖和分化的操作包括：将神经细胞与可降解压电支架共培养，可降解压电支架通过将受到的应力刺激转化为电信号来刺激神经细胞的增殖和分化；其中，可降解压电支架包括表面修饰多巴胺的铌酸钾钠纳米线和左旋聚乳酸。表面修饰多巴胺的铌酸钾钠纳米线和左旋聚乳酸的可降解压电支架是具有良好的生物相容性且可被生物降解的压电纳米材料，左旋聚乳酸为一种可降解的压电聚合物，通过具有良好压电性能的铌酸钾钠的加入，使得支架材料响应细胞和机体运动的固有力，产生刺激生物组织的电信号，从而在细胞水平上调控神经干细胞的神经分化和增殖。
-
-
公开(公告)号：CN118863647A
公开(公告)日：2024-10-29
申请号：CN202410915657.4
申请日：2024-07-09
IPC分类号： G06Q10/0639 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/042 , G06F18/213 , G06F18/211 , G06F18/243
摘要： 本发明涉及印刷电路板生产加工技术领域，公开了一种基于图注意力神经网络的印刷电路板质量预测方法，包括：获取印刷电路板的生产数据以及功能测试数据，得到总质量得分；每条生产数据包括多个特征，选择出对总质量得分影响最大的前几个特征，使用生成对抗网络生成总质量得分为0的生产数据，将生成的生产数据加入训练集中；以所有印刷电路板的生产数据为节点构建图，并按照序号序列构建印刷电路板之间的邻接矩阵；利用图注意力神经网络提取生产数据的时间特征和空间特征；根据提取到的时间和空间特征以及生产数据进行质量预测，输出预测结果。可以克服PCB生产数据维度高、数量多、高度不平衡的特点，实现准确预测PCB生产质量。
-
公开(公告)号：CN115049581B
公开(公告)日：2024-10-18
申请号：CN202111338786.4
申请日：2021-11-12
IPC分类号： G06T7/00 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
摘要： 本发明的一种笔记本屏幕缺陷检测方法、系统及设备，其中方法包括采集笔记本外观生产线高清摄像头下的检测视频，获取待检测图片，送入训练好的两阶段的分类器，获得检测结果并输出；其中模型训练步骤如下：采集图像并进行预处理，构建训练样本集，建立两阶段网络模型结构和在KolektorSDD数据集预训练网络模型，调整模型参数；两阶段网络模型参数迁移，将源域两阶段的结构和参数迁移至笔记本屏幕缺陷检测目标域，并通过输入目标域样本微调两阶段网络模型参数，以获得分类和检测网络。本发明所采用的两阶段网络模型不仅具有较小的网络模型参数，需要较低的硬件支持，降低成本问题和训练时间，而且在分类准确率也有所提高。
-
公开(公告)号：CN114926722B
公开(公告)日：2024-10-18
申请号：CN202210411140.2
申请日：2022-04-19
IPC分类号： G06V20/00 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明的基于YOLOv5的尺度自适应目标检测的方法及存储介质，包括实时采集待测图像，输入事先构建的目标检测模型中，计算输出置信度大于阈值的分类结果作为待测图像的识别结果；其中目标检测模型构建包括将获得的样本进行Mosaic数据增强，将数据增强后的样本输入模型网络中，将切片操作得到的新图片再经过卷积操作，然后将得到的特征图送入backbone中，提取样本的多层深度特征；将得到的特征图送入分层特征自适应融合模块；将得到的特征继续送入后续的网络中，实现网络前向传播以得到目标物体的边界框信息，本发明让每个样本自适应地选择合适的尺度，通过自适应融合机制来抑制低质量通道带来的噪声影响，以此实现目标检测的尺度自适应，提高目标检测的鲁棒性。
-
公开(公告)号：CN118468088B
公开(公告)日：2024-10-15
申请号：CN202410834293.7
申请日：2024-06-26
IPC分类号： G06F18/24 , G06F18/213 , G06F18/22 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G10L25/03 , G10L25/30 , G06F123/02
摘要： 本发明涉及故障诊断技术领域，公开了一种基于少量有标记数据的故障检测方法，将实际生产中采集到的声纹信号样本输入到完成训练的故障检测模型，预测得到声纹信号样本的故障类别；故障检测模型的训练过程，包括以下步骤：声纹监测传感器安装在机械设备的测点位置，收集声纹信号样本，对部分声纹信号样本的故障类别进行标记；监督学习：将有标记数据集中的声纹信号样本输入到特征提取器中进行监督学习；通过样本间关系挖掘和时间内关系挖掘进行自监督学习。本发明在考虑有标记数据与无标记数据的特征相似性的同时，引入时间内关系和样本间关系的匹配任务，提高了模型挖掘数据的可区分性、探索数据的时间相关性的能力。
-
公开(公告)号：CN118446230B
公开(公告)日：2024-09-27
申请号：CN202410875580.2
申请日：2024-07-02
IPC分类号： G06F40/35 , G06F40/284 , G06N3/0455 , G06N3/08
摘要： 本发明公开了一种捕捉情感支持对话中动态因果关系的方法，涉及人工智能技术领域，将对话历史输送到因果网络模型中，以生成与当前语境相关的情感支持回复；所述因果网络模型包括上下文编码器、多线索因果追踪模块、三源信息融合模块和语境感知生成器；该捕捉情感支持对话中动态因果关系的方法从因果关系的角度探索对话流，有助于挖掘语境中隐藏的线索，并使支持者更好地理解求助者正在发生的事情，这件事为什么会发生以及事件的影响是什么，从而促进与语境相关的情感支持的回复生成。
-
公开(公告)号：CN118394452B
公开(公告)日：2024-09-27
申请号：CN202410815002.X
申请日：2024-06-24
IPC分类号： G06F9/455 , G06F9/50 , G06N3/0442 , G06N3/092
摘要： 本发明公开了一种优化云基础设施能效的方法，涉及数据分析技术领域，包括如下步骤：步骤一、根据用户请求启动虚拟机，调度模块将虚拟机放置到指定服务器中；步骤二、获取系统历史状态信息和系统实时状态信息，将系统历史状态信息输入到预测模块，以输出下一阶段预测的负载情况，基于下一阶段预测的负载情况对服务器做出开关机决策，将开关机决策对应的待迁移虚拟机放入待迁移虚拟机队列；步骤三、调度模块基于系统实时状态信息做出调度决策，将待迁移虚拟机队列从当前阶段服务器调度到目标服务器上；该优化云基础设施能效的方法在不影响提供的服务质量的前提下，通过决策尽可能的降低设施的能源消耗。
-
公开(公告)号：CN118378612B
公开(公告)日：2024-09-27
申请号：CN202410810413.X
申请日：2024-06-21
IPC分类号： G06F40/205 , G06F40/253 , G06F40/30 , G06N3/0895
摘要： 本发明公开了一种基于解耦模块挖掘的文本风格迁移方法，将给定任意句子与目标风格输入到预训练语言模型中，在保持输入句子内容不变的同时以产生含有目标风格属性的句子；所述预训练语言模型将前缀token作为一种虚拟token拼接在输入的句子之前，并通过一个可训练的矩阵#imgabs0#，将前缀token映射为每一层的前缀embedding，则矩阵#imgabs1#是唯一可以训练的前缀参数，使得在冻结预训练语言模型参数的同时仅训练调整连续的前缀参数；该文本风格迁移方法实现了高风格准确度与高语义保存度的文本风格迁移。
-
公开(公告)号：CN114757350B
公开(公告)日：2024-09-27
申请号：CN202210428600.2
申请日：2022-04-22
IPC分类号： G06N3/082 , G06N3/092 , G06N3/0464
摘要： 本发明公开了一种基于强化学习的卷积网络通道裁剪方法及系统，具体包括获取待压缩的网络模型；利用自动深度压缩算法基于模型精度进行强化学习裁剪比例；基于链式法则求取所有滤波器的权重一阶泰勒展开的绝对值作为裁剪的重要性指标；对裁剪比例范围内的重量行排行低的滤波器，利用算法进行适应于该网络模型的裁剪，保存修剪前的网络模型；对当前的网络模型进行判断，若超出裁剪比例或者预设的限定条件，则进行相应的处理操作，得到最终的修剪的网络模型。本发明通过基于强化学习的自动深度压缩算法确定裁剪比例，通过每次自适应算法确定的步距进行修剪，再通过微调不断恢复精度，达到裁剪比例，逐步得到符合轻量化和算力要求低的网络模型。
-
-
-
-
-
-
-
-
-
搜索结果
605 条记录 (耗时 0.078 秒)
