本發(fā)明公開了一種多智能體代碼生成方法、系統(tǒng)、存儲(chǔ)介質(zhì)及設(shè)備，屬于自動(dòng)化代碼生成領(lǐng)域，方法包括：初始化智能體通過深度問題理解生成初始元策略，并構(gòu)建元經(jīng)驗(yàn)池和候選策略池；通過多智能體協(xié)作實(shí)現(xiàn)元策略的迭代優(yōu)化，得到最終元策略；將最終元策略轉(zhuǎn)化...

本發(fā)明涉及射頻信號(hào)處理技術(shù)領(lǐng)域，且公開了一種RFSoC架構(gòu)的C波段射頻直采及數(shù)據(jù)存儲(chǔ)系統(tǒng)，該系統(tǒng)包括高速模數(shù)轉(zhuǎn)換模塊、片上可編程邏輯處理模塊、雙端口塊存儲(chǔ)器模塊、DDR高速緩存模塊及上位機(jī)數(shù)據(jù)獲取模塊。通過RFSoC內(nèi)部超高速ADC對(duì)C...

本發(fā)明公開了一種基于多智能體深度強(qiáng)化學(xué)習(xí)的裝備集群維修決策方法，面向多地點(diǎn)分布式部署的裝備集群在任務(wù)需求動(dòng)態(tài)變化條件下的協(xié)同維修問題。該方法以裝備健康狀態(tài)、性能水平和任務(wù)需求為基礎(chǔ)，將裝備集群維修決策過程建模為馬爾可夫決策過程，并采用集...

本發(fā)明涉及鋰電池電解質(zhì)技術(shù)領(lǐng)域，特別涉及一種電解質(zhì)及其制備方法，所述方法包括：配制局部高濃電解液；提供環(huán)氧樹脂及其固化劑，將局部高濃電解液、環(huán)氧樹脂及其固化劑共混，得到澆筑液；提供玻璃纖維，將澆筑液浸潤(rùn)到玻璃纖維內(nèi)部，對(duì)被浸潤(rùn)后的玻璃纖...

本發(fā)明提供了一種基于匹配網(wǎng)絡(luò)的藏文文本小樣本學(xué)習(xí)方法，涉及自然語言處理和深度學(xué)習(xí)領(lǐng)域，方法包括：數(shù)據(jù)預(yù)處理，預(yù)處理包括文本清洗、分詞及標(biāo)注；設(shè)計(jì)匹配網(wǎng)絡(luò)，匹配網(wǎng)絡(luò)由全局和局部特征提取器組成，用于捕捉不同層次的語言特征；通過特征融合機(jī)制動(dòng)...

本發(fā)明提供基于輕量化均衡器輔助的時(shí)鐘數(shù)據(jù)恢復(fù)方法，接收端數(shù)字信號(hào)處理中的時(shí)鐘數(shù)據(jù)恢復(fù)CDR過程包括：利用插值濾波器對(duì)輸入的數(shù)字信號(hào)進(jìn)行插值，根據(jù)數(shù)控振蕩器提供的插值相位信息輸出重采樣信號(hào)；采用前饋均衡器FFE對(duì)重采樣信號(hào)進(jìn)行均衡，以初步...

本發(fā)明公開了一種匹配信號(hào)頻率特征的數(shù)字示波器多域參數(shù)自適應(yīng)調(diào)整方法，先通過高速數(shù)據(jù)采集系統(tǒng)對(duì)未知輸入信號(hào)進(jìn)行采樣，得到數(shù)字并行采樣信號(hào)并送入FPGA中的多信息域數(shù)據(jù)處理模塊；在多信息域數(shù)據(jù)處理模塊中，基于對(duì)每一幀頻譜所需的時(shí)域數(shù)據(jù)進(jìn)行精...

本發(fā)明公開了一種數(shù)字示波器中基于頻域檢測(cè)的瞬態(tài)信號(hào)實(shí)時(shí)捕獲方法，利用改進(jìn)的WOLA結(jié)構(gòu)對(duì)信號(hào)進(jìn)行多信道的頻譜分析與處理，處理后的信號(hào)根據(jù)有效信號(hào)的起始頻率位置以及信號(hào)界限進(jìn)行選擇通道至不同的捕獲方法，在包含有效信號(hào)頻段的信號(hào)將進(jìn)行傅里葉...

本發(fā)明公開了一種基于最大相關(guān)熵與子空間優(yōu)化融合的電磁逆散射魯棒成像方法。方法在SOM框架下將對(duì)比源分解為確定性/歧義子空間，通過MCC構(gòu)建數(shù)據(jù)—狀態(tài)雙通道魯棒代價(jià)函數(shù)，基于半二次（HQ）與IRLS將非凸優(yōu)化轉(zhuǎn)化為序列加權(quán)二次子問題。通過...

本發(fā)明公開了一種基于擴(kuò)散模型的圖像生成方法，涉及計(jì)算機(jī)視覺與遙感圖像處理領(lǐng)域。本發(fā)明通過方向與尺寸感知注意力機(jī)制，在遙感圖像生成中實(shí)現(xiàn)了對(duì)目標(biāo)位置、方向和尺寸的協(xié)同精確控制，生成圖像與輸入布局的幾何一致性顯著提升；基于完整的布局重平衡、...

本發(fā)明涉及網(wǎng)絡(luò)安全技術(shù)領(lǐng)域，提供了一種針對(duì)關(guān)基物聯(lián)網(wǎng)的輕量級(jí)滲透測(cè)試能力融合方法及系統(tǒng)，旨在解決傳統(tǒng)IT網(wǎng)絡(luò)滲透測(cè)試平臺(tái)因功能冗余、硬件依賴性強(qiáng)、兼容性有限及資源開銷大，無法有效對(duì)關(guān)基物聯(lián)網(wǎng)進(jìn)行輕量級(jí)、移動(dòng)化近源滲透測(cè)試及網(wǎng)絡(luò)安全檢測(cè)的...

本發(fā)明公開一種空間連續(xù)型機(jī)器人視覺伺服協(xié)調(diào)控制方法及系統(tǒng)，該方法包括以下步驟：S1：基于分段常曲率方法，建立從驅(qū)動(dòng)繩索空間到構(gòu)型空間，以及從構(gòu)型空間到任務(wù)空間的運(yùn)動(dòng)學(xué)模型；S2：基于所述運(yùn)動(dòng)學(xué)模型和攝像機(jī)透視投影模型，建立目標(biāo)圖像特征速...

本發(fā)明屬于數(shù)據(jù)處理流程或工作流管理領(lǐng)域，具體為一種基于作用域標(biāo)記的單行命令多步驟參數(shù)統(tǒng)一表達(dá)與GUI同構(gòu)聯(lián)動(dòng)的方法與系統(tǒng)，包括流程定義、命令解析、流程執(zhí)行和界面生成步驟，在流程定義步驟中，通過為流程中的至少一個(gè)可執(zhí)行步驟聲明一個(gè)對(duì)應(yīng)的步...

一種高亮度、高分辨率的閃爍體復(fù)合薄膜的制備方法，屬于高能射線探測(cè)技術(shù)領(lǐng)域。通過將閃爍體粉末和表面活性劑添加至聚合物溶液中混合攪拌，得到閃爍體復(fù)合薄膜漿料，再將閃爍體復(fù)合薄膜漿料凃覆至基底上，固化，得到所述閃爍體復(fù)合薄膜；其中，閃爍體復(fù)合...

本發(fā)明屬于半導(dǎo)體技術(shù)領(lǐng)域，涉及一種具有可調(diào)閾值電壓結(jié)構(gòu)的GaN?HEMT器件。本發(fā)明中器件在柵極引入PNP三極管結(jié)構(gòu)，其中N端引出電極作為閾值控制電極，最頂層的P端引出電極作為柵極。整個(gè)器件的柵極電壓必須要超過閾值控制電極電壓加上頂部P...

本發(fā)明公開了一種基于自適應(yīng)矩估計(jì)的軟硬協(xié)同模數(shù)轉(zhuǎn)換器校準(zhǔn)方法，通過FPGA硬件邏輯處理海量數(shù)據(jù)的高速統(tǒng)計(jì)，解決了傳統(tǒng)軟件校準(zhǔn)無法滿足高采樣率吞吐的問題；通過嵌入式軟核處理器運(yùn)行ADAM優(yōu)化算法，利用二階矩估計(jì)動(dòng)態(tài)調(diào)整每個(gè)參數(shù)的更新步長(zhǎng)，...

本發(fā)明公開了一種基于膜電勢(shì)和輸出一致性優(yōu)化的脈沖神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法，屬于類腦計(jì)算和機(jī)器學(xué)習(xí)領(lǐng)域。本發(fā)明所述方法向脈沖神經(jīng)元?jiǎng)恿W(xué)中引入可學(xué)習(xí)的膜電勢(shì)平滑系數(shù)，將特定時(shí)間步長(zhǎng)的充電前膜電勢(shì)分布與前一時(shí)間步長(zhǎng)的平滑后膜電勢(shì)進(jìn)行進(jìn)行自適應(yīng)平滑融...

本發(fā)明涉及原位拉曼監(jiān)測(cè)微波等離子化學(xué)氣相沉積裝置技術(shù)領(lǐng)域，具體公開了一種金剛石生長(zhǎng)原位拉曼測(cè)試設(shè)備及拉曼測(cè)試方法，拉曼測(cè)試設(shè)備包括生長(zhǎng)裝置和拉曼激光測(cè)試裝置；在生長(zhǎng)裝置的反應(yīng)腔室上罩設(shè)置了探測(cè)窗口，并于其外側(cè)配置了具備高度調(diào)整機(jī)構(gòu)、角度...

本發(fā)明公開了一種基于多模態(tài)大語言模型推理與雙向個(gè)性化的AR系統(tǒng)認(rèn)知安全交互方法，利用慣性測(cè)量單元信號(hào)引導(dǎo)的交叉注意力機(jī)制，顯式地建模并剔除腦電信號(hào)運(yùn)動(dòng)偽跡，與現(xiàn)有直接使用腦電信號(hào)或簡(jiǎn)單濾波的方法相比，個(gè)性化注意力感知的抗干擾能力強(qiáng)，注意...

本申請(qǐng)?zhí)岢隽艘环N基于多模態(tài)傳感的憶阻器神經(jīng)網(wǎng)絡(luò)云邊協(xié)同方法及系統(tǒng)。該方法屬于人工智能多模態(tài)數(shù)據(jù)處理領(lǐng)域，其內(nèi)容主要包括：對(duì)經(jīng)同步采集和時(shí)空對(duì)齊的多模態(tài)數(shù)據(jù)分配至FPGA和憶阻器陣列進(jìn)行并行處理；將處理后的多模態(tài)數(shù)據(jù)在通道維度進(jìn)行拼接生成...