葡京娱乐场-富盈娱乐场开户

其他成果/n一種副豬嗜血桿菌感染仔豬模型的構(gòu)建方法，涉及動(dòng)物模型構(gòu)建領(lǐng)域，包括將若干CD仔豬養(yǎng)殖至18～25日齡，均分為感染組A和對(duì)照組B，判定CD仔豬體內(nèi)不存在HPS病原、不含APP病原或APP抗體后，飼養(yǎng)至40～70日齡時(shí)，向感染組A中所有CD仔豬氣管內(nèi)接種HPS菌種；向?qū)φ战MB中所有CD仔豬氣管內(nèi)注射培養(yǎng)基，得到空白組B′，觀察并檢測(cè)攻毒組A′、空白組B′，提取攻毒組A′、空白組B′的肺臟組織的總DNA，判定攻毒組A′的肺臟組織中存在HPS病原的同時(shí)，空白組B′的肺臟組織的中不存在HPS病原。

小試階段/n項(xiàng)目已解決的關(guān)鍵技術(shù)問(wèn)題和技術(shù)創(chuàng)新點(diǎn)：1.提出了精軋變形抗力模型新型“九宮格”自適應(yīng)學(xué)習(xí)方法，在“軋制溫度*變形速率”參數(shù)空間上布置多個(gè)特征點(diǎn)，對(duì)參數(shù)空間上與當(dāng)前軋制工況位置相鄰的 9 個(gè)特征點(diǎn)進(jìn)行加權(quán)插值，獲得空間任意均連續(xù)的自學(xué)習(xí)參數(shù)，它是位置坐標(biāo)的函數(shù)，打破了原來(lái)的“自學(xué)習(xí)系數(shù)與層別一一對(duì)應(yīng)”的關(guān)系，使自學(xué)習(xí)系數(shù)精確到工作點(diǎn)坐標(biāo)，解決了 原有的不同層別的自學(xué)習(xí)參數(shù)相互不關(guān)聯(lián)、跳躍大、不連續(xù)等問(wèn)題。新方法上線后，應(yīng)用效果非常明顯，每月帶鋼因厚度超差導(dǎo)致的預(yù)封鎖量從投用前的 45 塊/

小試階段/n軋機(jī)過(guò)程控制數(shù)學(xué)模型與軋制穩(wěn)定性技術(shù)直接影響帶鋼產(chǎn)品質(zhì)量與生產(chǎn)成本。該技術(shù)在結(jié)合生產(chǎn)工藝與設(shè)備控制技術(shù)的基礎(chǔ)上，綜合現(xiàn)代控制理論、數(shù)學(xué)建模和人工智能技術(shù)，形成完整的軋線關(guān)鍵模型與軋制穩(wěn)定性控制技術(shù)，已在寶鋼、梅鋼、漣鋼等國(guó)內(nèi)多條大型熱連軋生產(chǎn)線上成功在線應(yīng)用。發(fā)表核心期刊論文30多篇，授權(quán)、受理發(fā)明專利30余項(xiàng)，軟件著作權(quán)3項(xiàng)。。關(guān)鍵技術(shù)：1）高精度軋制設(shè)定模型與尺寸控制。高精度帶鋼厚度控制技術(shù)：包括高精度軋制力能模型、全線一體化分布式溫度模型、輥縫模型，保證高精度的頭部設(shè)定；高精度AG

焦?fàn)t煉焦是一個(gè)復(fù)雜的工藝過(guò)程，煤料在炭化室內(nèi)隔絕空氣加熱,即高溫干餾。經(jīng)過(guò)干燥、熱解、熔融、粘結(jié)、固化、收縮等階段，最終成為焦炭。 焦?fàn)t直行溫度是指機(jī)側(cè)和焦側(cè)標(biāo)準(zhǔn)立火道的平均溫度，它代表全爐的平均溫度水平，是直接影響焦化速率和焦炭成熟時(shí)間的主要參數(shù)之一。燃燒室溫度在一個(gè)結(jié)焦期內(nèi)由于相鄰炭化室所處結(jié)焦?fàn)顟B(tài)不同而發(fā)生規(guī)律性波動(dòng)，即形成通常所說(shuō)的“W”曲線，其峰值間的時(shí)間間隔取決于推焦串序、循環(huán)檢修計(jì)劃和周轉(zhuǎn)時(shí)間。本項(xiàng)研究是以焦?fàn)t“燃燒室—炭化室傳熱過(guò)程數(shù)學(xué)模型”為基礎(chǔ)，運(yùn)用混合編程、多任務(wù)和動(dòng)態(tài)摸擬等技術(shù)首次將焦?fàn)t燃燒室—炭化室傳熱過(guò)程數(shù)學(xué)模型拓展為“焦?fàn)t直行溫度數(shù)學(xué)模型”，并開(kāi)發(fā)了由一組燃燒室和炭化室組成的“焦?fàn)t直行溫度數(shù)學(xué)模型計(jì)算機(jī)仿真系統(tǒng)”。運(yùn)用該模型可以仿真不同的推焦計(jì)劃、裝爐煤水份、裝煤量、燃料熱值等熱工參數(shù)對(duì)焦?fàn)t直行溫度的影響，從而為焦?fàn)t直行溫度的優(yōu)化設(shè)定提供堅(jiān)實(shí)的理論依據(jù)。

1. 痛點(diǎn)問(wèn)題 工業(yè)視覺(jué)場(chǎng)景下普遍存在缺陷樣本數(shù)量少、難采集，已有標(biāo)注方案無(wú)法完全發(fā)揮樣本數(shù)據(jù)效用等問(wèn)題。在工業(yè)視覺(jué)應(yīng)用場(chǎng)景中，產(chǎn)線整體生產(chǎn)良率均已達(dá)到相當(dāng)水平，人工可識(shí)別的缺陷樣本數(shù)量相對(duì)較少，且采集難度較大。制造生產(chǎn)環(huán)節(jié)對(duì)產(chǎn)線效率要求較高，模型訓(xùn)練難以實(shí)現(xiàn)精度與效率上的平衡。 2. 解決方案 本項(xiàng)目將最新的少樣本學(xué)習(xí)、連續(xù)學(xué)習(xí)、模型壓縮與優(yōu)化技術(shù)，與工業(yè)場(chǎng)景中的缺陷檢測(cè)需求深入結(jié)合，致力于工業(yè)視覺(jué)自主知識(shí)產(chǎn)權(quán)軟硬件一體化裝備研發(fā)。針對(duì)玻璃深加工與半導(dǎo)體晶圓宏觀缺陷檢測(cè)，本項(xiàng)目已完成工業(yè)視覺(jué)全流程視覺(jué)感知算法、人工智能算法研發(fā)平臺(tái)、玻璃智能一體檢測(cè)設(shè)備、晶圓宏觀缺陷檢測(cè)設(shè)備等智能設(shè)備的原理驗(yàn)證和裝備試制，同時(shí)有多項(xiàng)智能設(shè)備在研。 本項(xiàng)目在玻璃與半導(dǎo)體缺陷檢測(cè)中，基于圖像自動(dòng)標(biāo)注方法完成少樣本場(chǎng)景下的數(shù)據(jù)采集與標(biāo)注，通過(guò)弱監(jiān)督學(xué)習(xí)和連續(xù)學(xué)習(xí)方法完成有效模型構(gòu)建，并針對(duì)長(zhǎng)尾數(shù)據(jù)集設(shè)計(jì)模型訓(xùn)練和優(yōu)化方法，實(shí)現(xiàn)高效工業(yè)視覺(jué)感知計(jì)算。針對(duì)工業(yè)視覺(jué)場(chǎng)景，本項(xiàng)目集成視覺(jué)感知算法能力，研發(fā)人工智能算法研發(fā)平臺(tái)，該平臺(tái)秉承低代碼化、可視化等原則，打造包含數(shù)據(jù)采集與標(biāo)注、算法訓(xùn)練與評(píng)估、模型壓縮與優(yōu)化、應(yīng)用部署與管理的數(shù)據(jù)閉環(huán)。 合作需求 尋求浮法玻璃深加工、半導(dǎo)體加工與制造等行業(yè)企業(yè)合作。

一種水輪機(jī)調(diào)節(jié)系統(tǒng)高階數(shù)學(xué)模型的降階方法，包括如下步驟：①簡(jiǎn)化系統(tǒng)分母的最高次項(xiàng)，實(shí)現(xiàn) 系統(tǒng)的一次降階，得到一次低階等效系統(tǒng)式；②從波動(dòng)疊加的角度出發(fā)，將一次低階等效系統(tǒng)式變換為 兩個(gè) 2 階子系統(tǒng)相加的形式；③進(jìn)行拉普拉斯反變換，得到水輪機(jī)調(diào)節(jié)系統(tǒng)的一次低階等效系統(tǒng)在負(fù)荷 階躍擾動(dòng)下的機(jī)組轉(zhuǎn)速響應(yīng)波動(dòng)方程；④對(duì)完整 5 階系統(tǒng)式進(jìn)行二次降階；⑤利用二階系統(tǒng)進(jìn)行水輪機(jī) 調(diào)節(jié)系統(tǒng)轉(zhuǎn)速響應(yīng)調(diào)節(jié)品質(zhì)的影響因素分析。其優(yōu)點(diǎn)是：較之其他降階方法，本方法是

本發(fā)明公開(kāi)了一種計(jì)算三維點(diǎn)云模型骨骼的方法；本發(fā)明首先通過(guò)使用逐步細(xì)分的策略將三維點(diǎn)云 模型均勻體素化；此后，使用快速行軍算法，計(jì)算出模型內(nèi)部體素點(diǎn)的距離域；然后，使用距離域計(jì)算 出模型的初始骨骼；最后，將初始骨骼與 L1 中值骨骼提取算法融合，生成基于距離域的 L1 中值骨骼提 取算法，快速準(zhǔn)確計(jì)算出模型骨骼；與現(xiàn)有的三維點(diǎn)云模型骨骼提取方法相比，本發(fā)明處理帶有大量噪 聲點(diǎn)、奇異點(diǎn)和大面積點(diǎn)云缺失的點(diǎn)云模型，而且不會(huì)產(chǎn)生錯(cuò)誤的骨骼連接，同時(shí)不

雙重（三重）差分模型通過(guò)設(shè)置交互項(xiàng)來(lái)分析政策效應(yīng)，在政策評(píng)價(jià)領(lǐng)域具有明顯優(yōu)勢(shì)。該研究設(shè)計(jì)的優(yōu)勢(shì)在于：第一，通過(guò)將改革引起的結(jié)局變量時(shí)間前后差異和組織內(nèi)外部因素引起的結(jié)局變量的差異結(jié)合起來(lái)，以反映改革的效應(yīng)。第二，其他因素的影響，如研究階段內(nèi)可能存在其他政策，這些政策可能與本研究關(guān)注的結(jié)局相關(guān)。如果這些政策對(duì)不同組別的影響不一致，那么排除這些政策就可能會(huì)產(chǎn)生偏倚。如果研究樣本當(dāng)中這些因素分布不均衡，就應(yīng)該對(duì)這些非隨機(jī)的因素進(jìn)行控制以稀釋它的不同影響。尤其是在評(píng)價(jià)宏觀事件的影響時(shí)，因?yàn)樵谘芯吭O(shè)計(jì)上無(wú)法找到一個(gè)符合實(shí)際的合理的對(duì)照組而對(duì)控制其他改革效應(yīng)帶來(lái)了難度。雙重差分可提供一個(gè)罕見(jiàn)于其他相關(guān)研究的機(jī)會(huì)，通過(guò)政策實(shí)施前后結(jié)果取差來(lái)排除沒(méi)有考慮到的因素的存在以及由于它們的存在可能造成的混雜效應(yīng)，使對(duì)政策效應(yīng)的分析更加可行，也更接近現(xiàn)實(shí)實(shí)際。

本發(fā)明公開(kāi)了一種基于有限混合模型的行人再識(shí)別方法，屬于 計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域，提升行人再識(shí)別的準(zhǔn)確度，包括以下步 驟：(1)構(gòu)建行人圖像庫(kù)預(yù)處理圖像并提取圖像特征；(2)計(jì)算圖像庫(kù)中 所有圖像的有限混合模型和待再識(shí)別行人的圖像的有限混合模型參 數(shù)；(3)將需再識(shí)別行人的有限混合模型與圖像庫(kù)中所有圖像的有限混 合模型之間的距離進(jìn)行最優(yōu)化求解，并進(jìn)行距離排序返回再識(shí)別結(jié)果。 本發(fā)明優(yōu)化混合模型之間的距離度量，提高行人

1.痛點(diǎn)問(wèn)題 本項(xiàng)預(yù)期成果是解決復(fù)雜場(chǎng)景中目標(biāo)三維數(shù)據(jù)重建、驅(qū)動(dòng)的關(guān)鍵技術(shù)。 針對(duì)實(shí)際應(yīng)用中復(fù)雜運(yùn)動(dòng)場(chǎng)景，例如剛性運(yùn)動(dòng)的交通工具，變形移動(dòng)行人等，傳統(tǒng)的運(yùn)動(dòng)結(jié)構(gòu)恢復(fù)方法在進(jìn)行場(chǎng)景深度求解時(shí)無(wú)法確定每個(gè)單元結(jié)構(gòu)的相對(duì)尺度，導(dǎo)致無(wú)法對(duì)復(fù)雜運(yùn)動(dòng)場(chǎng)景進(jìn)行重建。在現(xiàn)有的深度估計(jì)、語(yǔ)義分割、位姿估計(jì)等相關(guān)技術(shù)，存在識(shí)別精度低、提取不到關(guān)鍵信息、應(yīng)用場(chǎng)景單一等問(wèn)題，無(wú)法滿足大尺度場(chǎng)景應(yīng)用的需求。 2.解決方案 本項(xiàng)目成果提出了一套面向目標(biāo)、人體深度數(shù)據(jù)重建技術(shù)，有效實(shí)現(xiàn)對(duì)復(fù)雜運(yùn)動(dòng)場(chǎng)景下人、物的深度重建與驅(qū)動(dòng)，有效解決現(xiàn)實(shí)場(chǎng)景目標(biāo)的數(shù)字化模型生成與虛擬場(chǎng)景下的驅(qū)動(dòng)映射問(wèn)題。提出多模態(tài)采集、時(shí)空復(fù)用編碼攝像方法，獲取大景深、高時(shí)空分辨、豐富的精確場(chǎng)景視覺(jué)信息，基于超像素關(guān)系分析的深度重建方法，包括目標(biāo)超像素分割，圖像幀匹配，運(yùn)動(dòng)關(guān)系判定，通過(guò)時(shí)序傳播與概率模型更新實(shí)現(xiàn)實(shí)時(shí)深度重建，提高最終三維重建模型的稠密度、魯棒性、一致性和準(zhǔn)確度。構(gòu)建了基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)實(shí)例檢測(cè)與位姿估計(jì)框架，從目標(biāo)對(duì)象觀測(cè)圖片提取其分割掩碼并不斷迭代更新，輸入深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)而得到目標(biāo)6D位姿估計(jì)并進(jìn)行迭代改進(jìn)，從而實(shí)現(xiàn)目標(biāo)在動(dòng)態(tài)復(fù)雜場(chǎng)景下的位姿還原，克服了在光照、姿態(tài)變化、遮擋等不良因素環(huán)境下的目標(biāo)位姿不準(zhǔn)確問(wèn)題，確保了目標(biāo)6D位姿估計(jì)的魯棒性與準(zhǔn)確性。 合作需求 尋求在元宇宙、數(shù)字城市、自動(dòng)駕駛、AR/VR、機(jī)器人、制造業(yè)等領(lǐng)域有相關(guān)技術(shù)開(kāi)發(fā)、市場(chǎng)推廣經(jīng)驗(yàn)，能推廣本技術(shù)落地的高科技企業(yè)，可以進(jìn)行深度合作。