葡京娱乐场-富盈娱乐场开户

本發(fā)明公開了面向大規(guī)模圖像視覺特征的多維倒排索引與快速檢索算法，包括：利用圖像的視覺特征訓練增強型殘差量化所需的多層碼書，并利用所訓練的碼書構建多維倒排索引；根據(jù)已訓練完成的碼書，對圖像視覺特征進行量化和編碼，同時根據(jù)計算得到的編碼將其插入到倒排索引中對應的倒排列表；利用查詢圖像視覺特征對所構建的多維倒排索引進行查詢，獲得查詢候選集；利用自適應超球體過濾對查詢候選集進行優(yōu)化，對過濾后的查詢結果排序，從而完成圖像視覺特征的檢索。本發(fā)明的方法通過對圖像特征進行量化和編碼，提高圖像特征的量化效率；利用所生

1.痛點問題 協(xié)作機器人與人類共享工作空間，通過直接（即物理上）或間接地與人類交互共同開展操作任務。相比傳統(tǒng)工業(yè)機器人，協(xié)作機器人有更高的安全性和更易于編程的特點，能夠通過人類示教部署于各種不同的任務并靈活地與人類配合。隨著傳統(tǒng)工業(yè)機器人帶來的效率提升趨于飽和，能夠安全配合人類的協(xié)作機器人能夠進一步提高制造業(yè)的生產(chǎn)效率，帶來可觀的經(jīng)濟效益。然而，現(xiàn)有的協(xié)作機器人存在以下兩大痛點問題。 問題一：安全和效率之間的權衡一直是人機交互中未系統(tǒng)解決的開放性問題。當存在人機直接接觸時，為了保證人的安全，現(xiàn)有的協(xié)作機器人是通過中止正在進行的任務、順從人的干預以保證安全；然而，不論人是有意地干預（即工人直接抓取機械臂來引導其任務）還是無意地接觸機器人，都將造成機器人暫停手頭工作；直到人類停止干預，機器人才能繼續(xù)執(zhí)行它的任務。雖然這種人機協(xié)作方式能夠保證機器人與工人合作的安全，但因為機器人需要在不同的工作模式之間切換，其工作效率將會受到影響。 問題二：如何提高人的示教效率為協(xié)作機器人的另一大痛點問題。協(xié)同機器人多用于能夠靈活拆裝的生產(chǎn)線，以適應新的任務，因此新任務的編程效率很大程度上決定了工作效率。基于人類示教的編程方式具有自然、本能的優(yōu)勢，能夠直接傳遞人類的操作技巧與經(jīng)驗。其中，將示教軌跡參數(shù)化為可以編輯修改、適應不同任務的形式是提高效率的核心問題。該示教軌跡不光應該包含機器人末端的運動數(shù)據(jù)，而且應該包含同時調(diào)整的冗余關節(jié)運動數(shù)據(jù)，從而同時完成末端主任務與關節(jié)避障任務，以適應工作環(huán)境。現(xiàn)有的示教方式未能結合離線示教與在線介入，因此無法適用于需要同時記錄機器人末端和關節(jié)的示教任務。 2.解決方案 本項成果基于增強現(xiàn)實-觸覺感知技術，開發(fā)了混合交互接口與人機互補操作算法，以解決上述痛點問題。 ①對于問題一，本項成果提出了自適應視覺控制與零空間阻尼控制的協(xié)作框架：在有限視場、未校正相機、關節(jié)奇異的情況下，保證了機器人在整個工作空間內(nèi)的全局穩(wěn)定性；在不影響機器人末端任務的前提下，允許人類專家隨時、安全地介入以改變機器人關節(jié)姿態(tài)，以應對環(huán)境動態(tài)變化或突發(fā)事件，從而實現(xiàn)了安全與效率并重的人機協(xié)作方式。 ②對于問題二，本項成果構建了增強現(xiàn)實-觸覺感知的混合接口，讓人類專家可以在任務和冗余聯(lián)合空間進行雙手演示，同時記錄機器人末端與機器人關節(jié)的數(shù)據(jù)。示教軌跡基于DMP方法進行參數(shù)化，能夠根據(jù)不同任務所需的末端位置、關節(jié)角度、運動速度進行自適應調(diào)整，在保證末端任務精度的同時完成關節(jié)的避障任務。 技術核心： ①基于增強現(xiàn)實-觸覺感知的混合交互接口; ②用于雙手示教的機器人軌跡學習方法; ③自適應全局穩(wěn)定控制算法。 預期產(chǎn)品：用于人機互補協(xié)同操作的設備與軟件 3.合作需求 1)資金需求：本項成果開發(fā)的人機互補協(xié)作平臺，在硬件與軟件研發(fā)階段需要資金投入，需約250-500萬元人民幣； 2)孵化資源：公司研發(fā)所需辦公及研發(fā)場地、實驗室、分析與測試實驗室等； 3)團隊：協(xié)作平臺開發(fā)團隊、商務開發(fā)與合作團隊、財務、法務等支持團隊； 4)生產(chǎn)制造企業(yè)合作：提供人機協(xié)同操作的場景與需求，開展工廠真實環(huán)境的測試與部署； 5)基礎研究合作：與協(xié)作機器人、增強現(xiàn)實、觸覺感知方向的國內(nèi)外基礎研究團隊合作，開發(fā)新的交互設備與算法。

中國科學技術大學生命科學與醫(yī)學部瞿昆教授課題組通過設計一整套分析流程，系統(tǒng)性評估了16種空間轉錄組和單細胞轉錄組數(shù)據(jù)整合算法在預測基因或細胞類型空間分布方面的性能。

物流調(diào)度、航班規(guī)劃等復雜應用場景中，設計方案的評價隨著時間動態(tài)改變。這類優(yōu)化問題在現(xiàn)實中廣泛存在并且求解困難。為了推動該領域的發(fā)展，亟待提出能反映動態(tài)優(yōu)化問題復雜特性并且可控的測試集，從而推動動態(tài)優(yōu)化算法在現(xiàn)實問題中的應用。課題組在IEEE Transactions on Cybernetics上發(fā)表了一種生成連續(xù)動態(tài)優(yōu)化問題的測試集，同時對現(xiàn)有的測試集進行了全面的綜述，并探討了它們在捕獲不同問題特征方面的缺點。

申請人自2002年8月開始在醫(yī)學低劑量CT圖像成像、處理等方向開展學習和研究工作，從理論探索和應用拓展兩個方面同時開展科學研究，先后提出了“基于區(qū)別性稀疏表示的低劑量CT成像”，“基于大尺度平均的低劑量CT圖像后處理”，“基于深度學習的低劑量CT成像”等一系列創(chuàng)新算法，其中“基于區(qū)別性稀疏表示的低劑量CT成像”算法已通過專利形式轉讓到國內(nèi)龍頭大型醫(yī)療設備商上海聯(lián)影醫(yī)療設備有限公司，目前已經(jīng)在其即將推出的最新的U780 CT機上得到了應用。

南科大醫(yī)學院教授張文勇、研究助理教授欒合密等在國際著名生物信息學與計算生物學期刊Bioinformatics上發(fā)表題為“CPVA: a web-based metabolomic tool for chromatographic peak visualization and annotation”的論文。該研究創(chuàng)新提出了以色譜中心策略算法（CCS）提高基于質(zhì)譜的組學數(shù)據(jù)質(zhì)量，并搭建了R-Shiny的Web應用CPVA，實現(xiàn)了組學數(shù)據(jù)在線交互式的處理。該論文提出了色譜中心策略算法（CCS），并開發(fā)了在線互動工具來解決該領域普遍存在的問題。色譜中心策略是指通過對組學數(shù)據(jù)中提取的色譜峰形狀進行數(shù)字化描述，包括對稱性（Symmetry）、鋸齒度（Jaggedness）、形態(tài)（Modality）、色譜質(zhì)量指數(shù)（MCQ）等，并以在線互動的方式直接展示色譜峰的形態(tài)特征。

本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡模型 BP 算法的嵌入式礦壓檢測方法法，首先根據(jù)根據(jù)待檢測區(qū)域的地域情況，采用多個振弦式壓力傳感器進行測量；然后 ARM7 處理器根據(jù)系統(tǒng)任務個數(shù)建立相應的進程；最后在建立的任務中打開定時器，輸出一個固定在某一頻率范圍內(nèi)的脈沖，經(jīng)過驅動激振電路，產(chǎn)生一個能對振弦式壓力傳感器內(nèi)部振弦起振的信號，同時使用 ARM7處理器對振弦式壓力傳感器返回的脈沖信號進行頻率測量，計算得到壓力值，最后，利用溫度傳感器采集振弦周圍區(qū)域的溫度，采用 BP 算法建立神經(jīng)網(wǎng)絡模型，利用神經(jīng)網(wǎng)絡模型對得到的各組壓力數(shù)據(jù)及采集的溫度數(shù)據(jù)進行學習，并根據(jù)神經(jīng)網(wǎng)絡模型找出壓力隨溫度的變化規(guī)律，對振弦式傳感器進行溫度補償。

本發(fā)明公開了一種面向超光譜數(shù)據(jù)庫的小波去噪算法，屬于超光譜數(shù)據(jù)的處理方法，用于對帶有噪 聲的超光譜曲線進行降噪。本發(fā)明順序包括小波降噪?yún)?shù)選擇、小波降噪。本發(fā)明在小波降噪?yún)?shù)學習 過程中充分考慮了超光譜數(shù)據(jù)庫中各種物質(zhì)超光譜曲線的特性，快速的選擇適合超光譜數(shù)據(jù)庫絕大多數(shù) 光譜曲線的小波降噪?yún)?shù)，然后使用選擇得到的參數(shù)對測量到的超光譜曲線進行降噪。該方法能快速的 針對各種不同應用場景的超光譜數(shù)據(jù)庫選擇與之適應小波降噪?yún)?shù)，提高了降噪的效果，提高光譜匹配 的準確率。

本發(fā)明公開了一種基于分裂算法的湖泊三維水動力-水溫-水質(zhì)模擬預測方法。構建湖泊三維水動力-水溫-水質(zhì)模型，將湖泊離散成若干網(wǎng)格單元，并對網(wǎng)格采用 Arakawa-C 模式布置變量，基于分裂算法將湖泊三維水動力-水溫-水質(zhì)模型中各算子按照其物理波動過程的波頻快慢特性進行分類，對低頻慢過程算子采用顯式處理，對高頻快過程算子采用隱式處理，運用分裂算法分步離散求解模型，得到湖泊水域內(nèi)不同位置和時間的三維流場、水溫和水質(zhì)指標濃度。本發(fā)明提出的基于分裂算法的湖泊三維水動力-水溫-水質(zhì)模擬預測方法能較準確地反映湖

本發(fā)明公開了一種基于光譜擬合與差分算法的光纖傳感動態(tài)信 號解調(diào)方法，包括：掃描得到光譜紋波；對光譜紋波進行擬合獲得靜 態(tài)光譜；將光譜紋波與靜態(tài)光譜進行差分處理獲得差值信號；對光譜 紋波的極值點進行擬合獲得上下邊緣包絡曲線；對上下邊緣包絡曲線 進行差分處理獲得光譜變化函數(shù)，將差值信號與光譜變化函數(shù)進行歸 一化處理，獲得去包絡后差值信號，根據(jù)掃描速度和初始波長將波長 換算為時間，獲得去包絡后時域動態(tài)信號。本方法對紋波光譜及其擬 合曲線進行差分獲得動態(tài)信號，可以消除諸如溫度、濕度等環(huán)境干擾， 且恢復的動態(tài)