一种基于板条式激光器的高密度热流相变储热散热系统

    公开(公告)号:CN104218435A

    公开(公告)日:2014-12-17

    申请号:CN201410484000.3

    申请日:2014-09-19

    IPC分类号: H01S3/042

    摘要: 一种基于板条式激光器的高密度热流相变储热散热系统,包括一体化层流结构、液体循环管路、相变储热散热装置和导热液体;一体化层流结构包括第一分流结构、第二分流结构、全反射板条和晶体板条;相变储热散热装置包括相变材料和相变材料固定结构;导热液体从液体循环管路中进入第一分流结构、晶体板条间缝隙和第二分流结构,将全反射板条与晶体板条的热量带走,导热液体从低温变为高温;导热液体相变储热散热装置中流过,相变材料吸收导热液体中热量,从固态变为液态,流经的导热液体从高温变为低温继续循环,激光器停止工作后,相变材料缓慢散热,由液态还原为固态;相变储热散热装置可重复使用,适用于Nd:YAG、Yb:YAG等多种板条式固体激光器。

    基于卷积神经网络和因素空间的零样本图像分类方法

    公开(公告)号:CN109492750B

    公开(公告)日:2020-11-20

    申请号:CN201811280725.5

    申请日:2018-10-30

    IPC分类号: G06N3/04 G06F16/53

    摘要: 本发明提出一种基于卷积神经网络和因素空间的零样本图像分类方法及系统,构建一个统一的零样本分类神经网络,首先利用一个经典卷积神经网络提取数据集中的图像特征,作为神经网络的输入;使用因素压减技术降低已知因素的维度,并将已知因素和潜在因素嵌入到网络中,作为中间层共同决定最终的分类结果;该网络实现了从图像输入到最终的类别输出。训练零样本分类网络,迭代确定网络模型参数。利用零样本分类神经网络对图像进行识别,完成零样本图像的分类。本发明用一个卷积神经网络模型统一处理了视觉空间、因素空间和类别空间之间的关系,解决了特定的线性或非线性函数表达泛化能力不强的问题,把作为辅助知识的因素嵌入到网络中,易于理解、训练和使用。

    一种基于板条式激光器的高密度热流相变储热散热系统

    公开(公告)号:CN104218435B

    公开(公告)日:2017-11-07

    申请号:CN201410484000.3

    申请日:2014-09-19

    IPC分类号: H01S3/042

    摘要: 一种基于板条式激光器的高密度热流相变储热散热系统,包括一体化层流结构、液体循环管路、相变储热散热装置和导热液体;一体化层流结构包括第一分流结构、第二分流结构、全反射板条和晶体板条;相变储热散热装置包括相变材料和相变材料固定结构;导热液体从液体循环管路中进入第一分流结构、晶体板条间缝隙和第二分流结构,将全反射板条与晶体板条的热量带走,导热液体从低温变为高温;导热液体相变储热散热装置中流过,相变材料吸收导热液体中热量,从固态变为液态,流经的导热液体从高温变为低温继续循环,激光器停止工作后,相变材料缓慢散热,由液态还原为固态;相变储热散热装置可重复使用,适用于Nd:YAG、Yb:YAG等多种板条式固体激光器。