-
公开(公告)号：CN119210472A
公开(公告)日：2024-12-27
申请号：CN202410796197.8
申请日：2024-06-19
Applicant: 首都师范大学
Abstract: 提供了一种纠错码码表生成方法和基于生成码表的编解码方法。该纠错码码表生成方法包括：确定作为纠错目标的序列码的有限字符表和相应的纠错码的码表大小，并基于所述有限字符表和纠错错误种类生成纠错特征序列，所述纠错特征序列用于定义所述码表的基于所述纠错错误种类的纠错错误数目；基于所述纠错特征序列确定特征序列，特征掩码和平移量；基于所述特征序列、所述特征掩码和所述平移量迭代动态规划矩阵；以及，响应于所述动态规划矩阵的损失函数小于等于预定阈值，确定与迭代完成的每个动态规划矩阵对应的码表中的两个码字，以获得纠错码码表。这样，可以实现高性能的纠错码码表生成。
-
公开(公告)号：CN119140156A
公开(公告)日：2024-12-17
申请号：CN202310704620.2
申请日：2023-06-14
Applicant: 首都师范大学 , 中国科学院理化技术研究所
Abstract: 本发明公开了一种含多孔聚合物的复合材料及其制备方法和应用，所述复合材料包含多孔聚合物，以及吸附在所述多孔聚合物表面的氧化亚铜纳米颗粒。本发明提供的复合材料是一种优良的有机半导体材料，可实现在无外加助催化剂条件下的光催化分解水析氢，产氢性能可达到4163μmol h‑1g‑1。进一步本发明还提供了一种所述复合材料的制备方法，该制备方法使用简单的溶剂热反应，Cu(II)离子与还原剂L‑抗坏血酸钠原位形成的Cu(I)离子作为催化剂催化叠氮化物和端炔烃发生环加成反应即合成三唑结构多孔聚合物，且同时实现氧化亚铜纳米颗粒的原位沉积，从而一锅法制备多孔聚合物/廉价助催化剂杂化体系。
-
公开(公告)号：CN115064250B
公开(公告)日：2024-11-19
申请号：CN202210635531.2
申请日：2022-06-06
Applicant: 大连理工大学 , 首都医科大学附属北京友谊医院 , 首都师范大学 , 北京智拓视界科技有限责任公司
IPC: G16H40/20 , G16H30/20 , G06T5/50 , G06T7/00 , G06V10/764
Abstract: 本公开涉及一种用于对住院时长的分布进行调整的方法和相关产品。所述方法包括：获取多个肺炎患者的胸部CT图像和所述多个肺炎患者对应的住院时长；基于所述胸部CT图像获取与所述胸部CT图像相关的特征信息和影像信息；根据所述胸部CT图像、所述特征信息和所述影像信息获取所述胸部CT图像的最终特征；以及基于所述最终特征和所述对应的住院时长计算最优传输映射，以对住院时长的分布进行调整。利用本公开的方案，可以有效调整住院时长的分布，解决住院时长的分布不平衡的问题。
-
公开(公告)号：CN118938057A
公开(公告)日：2024-11-12
申请号：CN202411040086.0
申请日：2024-07-31
Applicant: 首都师范大学
IPC: G01R31/392 , G01R31/385 , G01R31/396 , G01R31/378 , G01R31/367
Abstract: 本发明提出一种提升锂离子电池剩余使用寿命预测精度的混合视角集成学习方法，包括如下步骤：步骤1：对从电池的HIs视角获得的原始数据集进行乱序处理，通过在线顺序极限学习机OS‑ELM进行容量预测训练；步骤2:利用完全自适应噪声集合经验模态分解CEEMDAN算法分解来自电池容量退化数据视角的数据并进行重构；步骤3：通过自回归差分移动平均模型ARIMA进行时间序列预测和后处理；步骤4:整合两种视角，提出元模型数据集构建方法，用于训练OS‑ELM，实现了来自混合视角的RUL预测。本发明同时考虑了HIs和容量退化数据两个视角，解决了传统锂离子电池RUL预测方法仅依赖单一视角的局限性，有助于获得更准确和可靠的预测结果。
-
公开(公告)号：CN118869936A
公开(公告)日：2024-10-29
申请号：CN202410898415.9
申请日：2024-07-05
Applicant: 首都师范大学
Inventor： 张玉虎
IPC: H04N7/18 , H04N23/11 , G08B19/00 , G08B21/18 , G08B7/06 , G06V20/40 , G06V20/52 , G06V10/40 , G06Q10/0635 , G06Q50/26 , G16Y40/50
Abstract: 本发明公开了一种基于智能物联的校园安全智能监测方法及系统，涉及物联网技术领域，该系统运行时，通过前端监测模块和数据处理模块对前端监测设备监测区域的信息进行获取和处理，整合成第一数据集和第二数据集，通过区域评估模块进行建立监测区域异常检测模型，训练后获取：前端异常检测系数Jcxs，并与预设的终端区域检测评估阈值J进行匹配，获取终端区域检测评估等级方案，通过监测评估模块获取辐射区域终端监测指数Fszs，再与预设的辐射范围修正评估阈值F进行匹配，获取异常终端辐射区域修正方案，通过决策模块进行执行，达到了前端监测设备边缘计算与智能处理功能，达到提前预警，降低带宽要求与网络安全等问题。
-
Patent Agency Ranking
公开(公告)号：CN118864158A
公开(公告)日：2024-10-29
申请号：CN202410859168.1
申请日：2024-06-28
Applicant: 首都师范大学
IPC: G06Q50/06 , G06F18/232 , G06Q10/0631
Abstract: 本申请提出了一种新能源汽车的反向充电站部署及反向充电调度方法，针对新能源汽车反向充电的实施，提出了两个策略：反向充电站部署策略与车辆反向充电请求调度策略。在反向充电站部署问题中，从充电请求历史数据中选出一组高频请求位置集合，将集合内的位置按照DBSCAN算法分簇，在每个簇内计算得到最佳充电站部署位置；在车辆反向充电请求调度策略中，通过评估每一辆发出反向充电请求的车辆完成单次反向充电行程所需的能量成本与时间成本，为其推荐最佳的目的充电站。本申请通过智能选址和动态调度，旨在优化新能源汽车反向充电体验，提高充电站利用率，促进绿色能源的高效循环利用，并且通过精细化管理反向充电时间和成本，确保充电过程既经济又便捷。
-
公开(公告)号：CN117313961B
公开(公告)日：2024-10-11
申请号：CN202311634705.4
申请日：2023-12-01
Applicant: 首都师范大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06Q50/02 , G06V10/764 , G06V10/82 , G06V20/13 , G06V20/17 , G06F16/29
Abstract: 本发明涉及一种草地生态畜牧信息空天地协同感知与智能预测平台，属于生态畜牧业以及遥感、地理信息领域。平台包括多尺度特征数据库子系统、协同感知子系统、智能预测子系统。多尺度特征数据库包括天基数据、空基数据、地基数据，天基数据包括哨兵数据、MODIS数据和Landsat数据，空基数据包括无人机多光谱数据和RGB数据，地基数据包括手机图像数据、地面实测数据和牧场统计数据；整合上述数据，监测感知草地状况、计算典型植被指数、感知牛羊个数，计算合理载畜量；并智能预测牧场尺度和全县尺度的下一个月的草长势、草地产草量、草地合理载畜量。具有草地多指标监测和智能预测的能力，为生态畜牧业信息管理提供技术支持。
-
公开(公告)号：CN118667837A
公开(公告)日：2024-09-20
申请号：CN202410977319.3
申请日：2022-08-19
Applicant: 首都师范大学
Abstract: 本发明公开了一种植株籽粒大小调控基因及其应用，属于生物技术领域。本发明通过基因编辑的方式，获得不同作物中的PCFS基因突变体，并通过实验及统计分析发现所述突变体具有植株籽粒变大的表型，部分突变体具有耐胁迫能力提高的表型。本发明所提供的基因、突变体及其应用方法，有助于提高作物产量和改善品质，增强植株对逆境的抗性，为培育具有大粒重、抗逆性强的植物新品种提供了基因资源和技术支持，对作物农艺性状的改良和高产、强抗逆性分子育种工作具有重要的意义和应用价值。
-
公开(公告)号：CN118570412A
公开(公告)日：2024-08-30
申请号：CN202410647627.X
申请日：2024-05-23
Applicant: 首都师范大学
Abstract: 本发明基于非结构化彩色点云的大型城市场景表面与纹理重建，包括以下步骤：步骤S1：输入点云，进行多视虚拟视点选择，对视点进行渲染；步骤S2：构建可见性预测网络，设计“U”型网络框架；步骤S3：构建纹理修复网络；步骤S4：表面重建与纹理重建。本方案通过设计一个可见性预测网络与一个纹理修复网络，利用卷积模拟了神经网络的稀疏输入，并利用注意机制和跨尺度特征融合增强了特征提取能力，分别预测视图内点的可见性信息与完整纹理图，最终使用基于图割的方法进行表面重建与基于纹理映射的方法进行纹理重建，与基于端到端学习的表面重建方法相比，我们的方法使用了直接和易于理解的二维可见性信息，以提供在不同场景中的通用性。
-
公开(公告)号：CN118551269A
公开(公告)日：2024-08-27
申请号：CN202410634128.7
申请日：2024-05-21
Applicant: 首都师范大学
IPC: G06F18/241 , A61B5/369 , A61B5/00 , G06F18/213 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本文提供了一种基于注意力机制及动态可解释卷积的脑电信号处理方法及装置，所述方法包括：获取多个脑电图通道的脑电信号，并利用滑动窗口将所述脑电信号划分成多个预设长度的脑电图时间片；对所述脑电图时间片进行归一化处理，并对归一化处理后的脑电图时间片进行格拉姆角场转换得到脑电信号特征图像；构建包括可解释分支和动态卷积分支的多级分类模型；将所述脑电信号特征图像输入到所述多级分类模型中，以通过可解释分支和动态卷积分支对所述脑电信号特征图像进行交叉处理，得到所述脑电信号的分类结果，本文通过层次注意力机制和动态可解释卷积核的设计，能够更准确地捕捉脑电信号的时序和通道特征，从而显著提高脑电图多类分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
2708
records
(took 0.046 seconds)
