本發(fā)明公開(kāi)了一種考慮學(xué)習(xí)效應(yīng)的多目標(biāo)雙資源約束柔性作業(yè)車(chē)間調(diào)度方法，采用基于混合種群的改進(jìn)文化基因算法求解調(diào)度模型，以最大完工時(shí)間、機(jī)器能耗和工人成本為目標(biāo)，研究了考慮學(xué)習(xí)效應(yīng)的雙資源約束柔性作業(yè)車(chē)間調(diào)度，建立相關(guān)調(diào)度模型，并提出了一種...

本發(fā)明公開(kāi)了一種基于氣象數(shù)據(jù)舒適度感知的旅游推薦度計(jì)算方法，該方法通過(guò)整合和分析氣象數(shù)據(jù)與城市特色信息，提供個(gè)性化和動(dòng)態(tài)的旅游目的地及時(shí)間推薦；實(shí)施步驟包括：采集目標(biāo)城市的氣象數(shù)據(jù)和特色數(shù)據(jù)；數(shù)據(jù)預(yù)處理，包括數(shù)據(jù)清洗和標(biāo)準(zhǔn)化；異常和缺失...

本發(fā)明公開(kāi)了一種用于QLED的自組裝單層膜及其制備方法及藍(lán)光QLED，所述自組裝單層膜由吸電子基取代的苯硼酸附著至ITO陽(yáng)極玻璃表面形成，所述吸電子基為?CN、?COOMe、?NO<subgt;2</subgt;、?C<...

本發(fā)明公開(kāi)了基于改進(jìn)YOLOv8的小目標(biāo)檢測(cè)方法、系統(tǒng)及設(shè)備，涉及目標(biāo)檢測(cè)技術(shù)領(lǐng)域。本發(fā)明包括：接收交通標(biāo)志圖像數(shù)據(jù)集，提取其中出現(xiàn)頻率次數(shù)最高的42類(lèi)交通標(biāo)志圖像，并采用數(shù)據(jù)增強(qiáng)，將數(shù)據(jù)集劃分為訓(xùn)練集，測(cè)試集，驗(yàn)證集；以YOLOv8作...

本發(fā)明公開(kāi)了一種基于聚苯乙烯微球有序納米結(jié)構(gòu)的偏振檢測(cè)超表面及其制作方法。其主要結(jié)構(gòu)是由鍍有銀膜的載波片以及周期有序的聚苯乙烯微球所組成。采用離子束刻蝕法以任意角度、任意次數(shù)刻蝕未被PS微球掩膜的銀。采用反應(yīng)離子刻蝕法調(diào)整PS微球的大小...

本發(fā)明提供了一種基于隨機(jī)采樣和貝葉斯分析的多線路間票款清分方法，包括：讀取OD記錄信息和行車(chē)信息儲(chǔ)存到數(shù)據(jù)庫(kù)中；生成存在多種換乘方式的OD對(duì)的出行鏈集合；篩選出選定窗口時(shí)間內(nèi)的OD記錄，對(duì)旅行時(shí)間進(jìn)行萬(wàn)分位統(tǒng)計(jì)，約減出行鏈集合；給定OD...

本發(fā)明公開(kāi)了生物行為識(shí)別領(lǐng)域的一種基于面部和體態(tài)行為感知的漸進(jìn)性放松訓(xùn)練方法，包括，播放預(yù)先設(shè)計(jì)的用于漸進(jìn)性放松訓(xùn)練的音頻；在音頻播放過(guò)程中，執(zhí)行以下訓(xùn)練操作：獲取被訓(xùn)練人的圖像數(shù)據(jù)；其中圖像數(shù)據(jù)包括面部圖像和軀體圖像；基于面部圖像，通...

本發(fā)明公開(kāi)了一種改進(jìn)的多模態(tài)信息融合的故障診斷算法，涉及深度學(xué)習(xí)和數(shù)據(jù)融合領(lǐng)域。本發(fā)明將多傳感信息和多域信息相結(jié)合，不同的傳感信息包含不一樣的故障信息，不同的域能夠提取不一樣的特征，將多模態(tài)和多傳感器結(jié)合，能夠從不同的角度獲得故障的特點(diǎn)...

本發(fā)明公開(kāi)了基于重建生成模型的二維物理場(chǎng)降階方法，包括如下步驟：步驟一，首先，使用流體仿真軟件內(nèi)的生成器生成模型需要的訓(xùn)練數(shù)據(jù)，數(shù)據(jù)主要由時(shí)間戳、條件變量、邊界條件變量和對(duì)應(yīng)的仿真結(jié)果組成；步驟二，經(jīng)過(guò)步驟一生成數(shù)據(jù)后，將數(shù)據(jù)進(jìn)行歸一化...

本發(fā)明公開(kāi)了一種(010)面β相III族氧化物復(fù)合結(jié)構(gòu)及其制備方法，此復(fù)合結(jié)構(gòu)包括自下而上依次設(shè)置的：上表面以(110)晶面高Al組分AlGaN結(jié)尾的復(fù)合襯底101、III族氧化物復(fù)合引導(dǎo)層102和(010)面β相III族氧化物薄膜10...

本發(fā)明涉及一種基于AFM的光纖端面粘附銀納米棒束的新型探針，包括光纖和光纖端面上的銀納米棒束，其制備方法為：首先通過(guò)兩步陽(yáng)極氧化法制備高度有序的多孔氧化鋁模板，然后通過(guò)AAO模版制備銀納米棒束，將制備完成的銀納米棒束轉(zhuǎn)移至光纖端面上，利...

本發(fā)明公開(kāi)了一種海上動(dòng)態(tài)環(huán)境下異構(gòu)無(wú)人系統(tǒng)任務(wù)分配與調(diào)度方法，通過(guò)構(gòu)建環(huán)境能耗預(yù)測(cè)模型，預(yù)測(cè)環(huán)境能耗信息；構(gòu)建多異構(gòu)無(wú)人系統(tǒng)對(duì)多靜止地面目標(biāo)執(zhí)行任務(wù)的合作多任務(wù)分配模型，將預(yù)測(cè)的環(huán)境能耗信息作為模型輸入，結(jié)合任務(wù)方案中無(wú)人系統(tǒng)的行駛速度...

本發(fā)明提出了一種基于風(fēng)速狀態(tài)變化的高鐵沿線風(fēng)速預(yù)測(cè)方法，包括構(gòu)建向量自回歸模型，利用馬爾科夫狀態(tài)將鐵路沿線歷史風(fēng)速進(jìn)行三區(qū)制劃分，并獲得相應(yīng)的風(fēng)速序列；基于風(fēng)速序列，基于波動(dòng)函數(shù)剔除風(fēng)速序列中Hurst指數(shù)小于0.5的片段，獲得不同時(shí)間...

本發(fā)明屬于軟體機(jī)器人技術(shù)領(lǐng)域，公開(kāi)一種具有預(yù)充氣傳感器的軟體機(jī)器人抓手，包括執(zhí)行結(jié)構(gòu)單元，執(zhí)行結(jié)構(gòu)單元包括執(zhí)行器卡槽，執(zhí)行器卡槽下端兩側(cè)固定有執(zhí)行器，執(zhí)行器上端固定有與其內(nèi)部連通的第一橡膠軟管，兩個(gè)第一橡膠軟管上端穿過(guò)執(zhí)行器卡槽連通有三...

本發(fā)明公開(kāi)了一種基于體感交互式虛擬康復(fù)訓(xùn)練方法及系統(tǒng)，屬于人工智能技術(shù)領(lǐng)域，應(yīng)用于康復(fù)訓(xùn)練系統(tǒng)；采集用戶跟隨NPC引導(dǎo)行為動(dòng)作后的動(dòng)作信息和語(yǔ)音信息；根據(jù)所述動(dòng)作信息進(jìn)行用戶運(yùn)動(dòng)姿態(tài)模擬；根據(jù)預(yù)先設(shè)置的康復(fù)動(dòng)作的要求和標(biāo)準(zhǔn)以及用戶的動(dòng)作...

本發(fā)明公開(kāi)了一種新能源儲(chǔ)能電站，涉及到儲(chǔ)能電站領(lǐng)域，其包括多個(gè)儲(chǔ)能電池和電站柜體，所述電站柜體內(nèi)安裝有多個(gè)放置架，多個(gè)所述儲(chǔ)能電池分別放置在多個(gè)所述放置架內(nèi)，所述電站柜體上活動(dòng)安裝有兩個(gè)柜門(mén)。需要說(shuō)明的是，在本發(fā)明實(shí)施例中，移動(dòng)框往復(fù)移...

本發(fā)明公開(kāi)了一種基于協(xié)同演化多目標(biāo)算法的跨城旅游規(guī)劃方法，包括步驟如下：S1，根據(jù)選擇的城市、計(jì)劃時(shí)間、預(yù)算和景點(diǎn)偏好，設(shè)置跨城旅游問(wèn)題參數(shù)；S2,根據(jù)跨城旅游問(wèn)題參數(shù)，以總通勤時(shí)間、旅游總費(fèi)用和旅游體驗(yàn)得分為目標(biāo)函數(shù)，構(gòu)建跨城市旅游路...

本發(fā)明公開(kāi)了一種多模態(tài)風(fēng)電功率預(yù)測(cè)方法，包括選取區(qū)域氣象數(shù)據(jù)和歷史風(fēng)電功率；構(gòu)建基于注意力機(jī)制的視頻預(yù)測(cè)模型，將區(qū)域氣象數(shù)據(jù)輸入到該模型中，生成預(yù)測(cè)的視頻幀特征，該模型包括編碼器、交叉非局部神經(jīng)網(wǎng)絡(luò)、解釋器和解碼器；將歷史風(fēng)電功率輸入到...

本發(fā)明公開(kāi)了一種基于YOLOv5s和階段式正則聯(lián)合行人重識(shí)別的幀提取行人檢索方法，包括以下步驟：（1）獲取擴(kuò)展圖像?視頻行人EIVP數(shù)據(jù)集并進(jìn)行預(yù)處理；（2）構(gòu)建基于YOLOv5s和階段式正則聯(lián)合行人重識(shí)別模型即YOLOv5s?Re?I...

本發(fā)明公開(kāi)了一種基于多特征融合的抑郁傾向檢測(cè)方法、存儲(chǔ)介質(zhì)及設(shè)備，包括：獲取待預(yù)測(cè)人物視頻，輸入到預(yù)先訓(xùn)練好的基于多特征融合的抑郁傾向預(yù)測(cè)模型，得到最終抑郁傾向預(yù)測(cè)結(jié)果；模型處理過(guò)程，包括：根據(jù)待預(yù)測(cè)人物視頻分別提取頭部運(yùn)動(dòng)特征和面部表...