本發(fā)明公開了一種三頻大群時(shí)延差色散電路及其控制方法，屬于群時(shí)延差色散電路技術(shù)領(lǐng)域，所述電路包括至少三個(gè)級聯(lián)的群時(shí)延色散單元；正群時(shí)延色散單元包括耦合微帶線及可調(diào)電容；所述可調(diào)電容連接在耦合微帶線的非接地端口與地之間；群時(shí)延色散單元之間通...

本發(fā)明公開了一種基于大語言模型與蒙特卡羅樹搜索的任務(wù)智能規(guī)劃方法及系統(tǒng)，步驟1：對環(huán)境中對象進(jìn)行定義，根據(jù)定義得到所有可移動(dòng)物品的初始信念分布；步驟2：使用大語言模型L將自然語言任務(wù)目標(biāo)轉(zhuǎn)化為形式化目標(biāo)；步驟3：根據(jù)所有可移動(dòng)物品的初始...

本發(fā)明公開了一種基于雙任務(wù)協(xié)同的服務(wù)質(zhì)量預(yù)測方法及裝置，屬于網(wǎng)絡(luò)服務(wù)質(zhì)量技術(shù)領(lǐng)域，本發(fā)明采用預(yù)先訓(xùn)練好的服務(wù)質(zhì)量預(yù)測模型根據(jù)用戶?服務(wù)對的初始上下文特征，獲取用戶?服務(wù)對多個(gè)屬性間的共享特征，再根據(jù)用戶?服務(wù)對多個(gè)屬性間的共享特征，得到...

本發(fā)明公開了一種基于M?LBP引導(dǎo)的多注意力低照度圖像增強(qiáng)方法，屬于圖像處理技術(shù)領(lǐng)域。包括如下步驟：首先對輸入的低照度圖像，采用改進(jìn)的M?LBP特征提取方法生成含紋理信息的特征圖；其次采用循環(huán)分解模塊，將輸入的低照度圖像分解為相對獨(dú)立的...

本發(fā)明公開了一種基于多階段混合物理?數(shù)據(jù)驅(qū)動(dòng)的風(fēng)場訂正方法，涉及風(fēng)場數(shù)據(jù)處理與氣候模式應(yīng)用技術(shù)領(lǐng)域。利用區(qū)域氣候模擬工具執(zhí)行動(dòng)力降尺度模擬，獲得多維候選變量場；依據(jù)ERA5風(fēng)速數(shù)據(jù)，篩選目標(biāo)候補(bǔ)氣候變量，并形成多維關(guān)鍵變量場；構(gòu)建包含多...

本發(fā)明公開了一種基于熵驅(qū)動(dòng)步長自適應(yīng)的擴(kuò)散強(qiáng)化學(xué)習(xí)信道接入方法，包括：基于空中基站與地面邊緣聚合服務(wù)器之間的信道狀態(tài)，建立信道狀態(tài)轉(zhuǎn)移概率矩陣；對各信道進(jìn)行分組，從當(dāng)前宏觀環(huán)境狀態(tài)對應(yīng)的各信道分組中，根據(jù)預(yù)設(shè)權(quán)重概率分布，隨機(jī)選擇一個(gè)信...

本發(fā)明公開了一種濾波殘留地物點(diǎn)云的高度估計(jì)方法和系統(tǒng)，屬于激光點(diǎn)云數(shù)據(jù)處理技術(shù)領(lǐng)域，方法包括：在濾波后的激光點(diǎn)云中隨機(jī)選取一個(gè)采樣點(diǎn)，記錄其空間坐標(biāo)以及其鄰域內(nèi)的相對坐標(biāo)，形成采樣點(diǎn)云塊；從采樣點(diǎn)云塊中提取特征向量，并利用特征向量，提取...

本申請涉及應(yīng)急管理技術(shù)領(lǐng)域，公開了一種地質(zhì)災(zāi)害應(yīng)急響應(yīng)中的物資動(dòng)態(tài)調(diào)配方法與優(yōu)化管理系統(tǒng)，具體方法包括：在已發(fā)生地質(zhì)災(zāi)害的區(qū)域，基于無人物資儲(chǔ)備點(diǎn)的經(jīng)緯度數(shù)據(jù)構(gòu)建多層級有向無環(huán)圖；通過物資監(jiān)測模組采集各儲(chǔ)備點(diǎn)的物資存量及實(shí)時(shí)消耗速率，結(jié)...

本發(fā)明公開了一種基于CDM放電模擬的靜電敏感度測試方法及裝置，屬于靜電測量技術(shù)領(lǐng)域，所述方法基于測試系統(tǒng)實(shí)現(xiàn)，測試系統(tǒng)包括：被測模塊，包括可切換充放電狀態(tài)的充電面板及其上的被測器件；放電波形采集模塊，包括一端接地的測試探針、視覺單元及驅(qū)...

本發(fā)明公開了光纖通信技術(shù)領(lǐng)域的一種功率域調(diào)制方法、解調(diào)方法、調(diào)制系統(tǒng)和解調(diào)系統(tǒng)。調(diào)制方法包括：利用Lorenz混沌模型生成A、B、C三組混沌序列；利用A、B、C三組混沌序列對原始數(shù)據(jù)進(jìn)行三重加密和正交分解，得到第三層加密星座和3D?8s...

本申請公開了一種基于遙感的高頻時(shí)序城市濕地類型更新方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品，涉及濕地類型領(lǐng)域，該方法包括基于Dynamic?World土地覆蓋數(shù)據(jù)、高分遙感數(shù)據(jù)以及濕地?cái)?shù)據(jù)集，構(gòu)建各采樣點(diǎn)在各時(shí)段的濕地樣本庫；根據(jù)采樣點(diǎn)在各預(yù)設(shè)采樣...

本發(fā)明公開了一種融合車載走航觀測的百米級溫室氣體排放清單生成方法，該方法包含：車載走航觀測采集數(shù)據(jù)，消除觀測數(shù)據(jù)中的背景影響，質(zhì)量控制與預(yù)處理，確定最佳空間平均尺度和特征變量，基于空間聚類分析方法劃分?jǐn)?shù)據(jù)子集，構(gòu)建模型并進(jìn)行評估，檢驗(yàn)特...

本發(fā)明公開了一種基于異構(gòu)傳播結(jié)構(gòu)與動(dòng)態(tài)特征融合的謠言檢測方法和系統(tǒng)，屬于計(jì)算機(jī)技術(shù)、人工智能及社交網(wǎng)絡(luò)分析領(lǐng)域。方法步驟如下：提取用戶和帖子靜態(tài)特征，計(jì)算用戶和帖子動(dòng)態(tài)特征，融合靜動(dòng)態(tài)特征獲得動(dòng)態(tài)融合特征。通過動(dòng)態(tài)融合特征構(gòu)建異構(gòu)圖序列...

本發(fā)明公開一種參數(shù)自適應(yīng)的實(shí)時(shí)頻譜分析方法及系統(tǒng)，屬于數(shù)字信號處理技術(shù)領(lǐng)域，方法包括：基于降采樣系數(shù)利用級聯(lián)的FIR濾波器進(jìn)行降采樣濾波得到降采樣后的IQ信號；根據(jù)實(shí)際采樣率將降采樣后的IQ信號劃分為未超采樣率信號或超采樣率信號，進(jìn)行重...

本發(fā)明公開了一種基于專家分組與條件門控的閃電單站定位方法，屬于閃電定位技術(shù)領(lǐng)域，包括單站閃電數(shù)據(jù)集構(gòu)建與預(yù)處理、模型構(gòu)建、專家模塊預(yù)訓(xùn)練、條件門控模塊預(yù)訓(xùn)練、聯(lián)合微調(diào)、模型應(yīng)用六個(gè)步驟。本發(fā)明引入多專家模塊，用于分別學(xué)習(xí)閃電信號在傳播距...

本發(fā)明公開了一種多區(qū)域互聯(lián)電力系統(tǒng)模糊負(fù)荷頻率控制方法，包括：基于區(qū)間二型模糊邏輯，建立多區(qū)域互聯(lián)電力系統(tǒng)各區(qū)域的負(fù)荷頻率控制數(shù)學(xué)模型；設(shè)計(jì)含動(dòng)態(tài)變量的記憶型事件觸發(fā)函數(shù)，用于判斷每個(gè)時(shí)刻數(shù)學(xué)模型的輸出是否發(fā)送至滑模控制器，若當(dāng)前時(shí)刻記...

本發(fā)明公開了一種基于量子計(jì)算機(jī)的微分方程求解方法，所述方法包括：確定待求解的微分方程；設(shè)置參數(shù)；選擇量子核函數(shù)，并基于該函數(shù)構(gòu)造所述微分方程的近似解；構(gòu)造損失函數(shù)，將所述損失函數(shù)的優(yōu)化問題轉(zhuǎn)化為線性方程組形式；使用量子線性系統(tǒng)算法求解所...

本發(fā)明公開了一種日尺度雪旱分析方法及系統(tǒng)，具體為步驟1：計(jì)算冷季開始后每日的累積雪水當(dāng)量百分位數(shù)、累積氣溫百分位數(shù)以及累積降水百分位數(shù)；步驟2：基于每日的累積雪水當(dāng)量百分位數(shù)識別雪旱發(fā)生日及雪旱強(qiáng)度；基于累積氣溫百分位數(shù)以及累積降水百分...

本發(fā)明公開了一種基于雙目視覺的多類型芯片引腳定位方法及相關(guān)裝置，應(yīng)用于靜電放電測試中探針與芯片引腳的對齊，所述方法包括：獲取CDM放電測試中待測芯片的雙目視覺圖像；將待測芯片的雙目視覺圖像輸入預(yù)先訓(xùn)練的芯片識別模型，得到芯片識別結(jié)果；根...

本發(fā)明公開一種基于輕量級多尺度殘差神經(jīng)網(wǎng)絡(luò)架構(gòu)及自適應(yīng)河流推理方法，屬于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化的技術(shù)領(lǐng)域。本發(fā)明包括如下步驟：構(gòu)建抗干擾的復(fù)合水體指數(shù)判別模型；設(shè)置輕量化局部與全局協(xié)同優(yōu)化的編碼器；設(shè)置多尺度形態(tài)感知增強(qiáng)模塊；設(shè)置四級漸進(jìn)式解...