本發(fā)明公開(kāi)了一種截止波導(dǎo)結(jié)構(gòu)，涉及微波能應(yīng)用技術(shù)領(lǐng)域，具體包括第一圓波導(dǎo)；第一扼流空腔，所述第一扼流空腔為環(huán)形空腔；所述第一圓波導(dǎo)與所述第一扼流空腔聯(lián)通；所述第一圓波導(dǎo)與所述第一扼流空腔組成第一截止波導(dǎo)結(jié)構(gòu)；第二圓波導(dǎo)；第二扼流空腔，所...

本發(fā)明涉及一種基于屬性引導(dǎo)與多特性學(xué)習(xí)的文本行人重識(shí)別方法，通過(guò)將輸入的文本轉(zhuǎn)換為結(jié)構(gòu)化屬性提示，實(shí)現(xiàn)了屬性引導(dǎo)，增強(qiáng)了文本語(yǔ)義的規(guī)整性與可解釋性；通過(guò)引入圖像與文本、圖像與屬性的雙重跨模態(tài)對(duì)齊機(jī)制，在實(shí)現(xiàn)了多任務(wù)學(xué)習(xí)的同時(shí)，強(qiáng)化了特征...

本發(fā)明涉及空中交通管制中的語(yǔ)音增強(qiáng)領(lǐng)域，特別是一種集成自監(jiān)督特征的空管語(yǔ)音增強(qiáng)方法及裝置。對(duì)空管數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理，并劃分為大規(guī)模數(shù)據(jù)子集與干凈/帶噪成對(duì)數(shù)據(jù)子集；基于深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搭建空管語(yǔ)音增強(qiáng)模型，所述空管語(yǔ)音增強(qiáng)模型包括編碼...

本發(fā)明屬于醫(yī)藥技術(shù)領(lǐng)域，具體涉及一種4?取代?2?聯(lián)苯?7?氮雜吲哚類(lèi)化合物及其作為CSN5抑制劑的用途。本發(fā)明提供了式I所示的系列4?取代?2?聯(lián)苯?7?氮雜吲哚類(lèi)化合物，這些化合物具有良好的CSN5抑制活性，有望作為預(yù)防和治療CSN...

本發(fā)明公開(kāi)了一種復(fù)合風(fēng)扇布局分布式推進(jìn)飛行器，包括依次連接的機(jī)頭、機(jī)身和機(jī)尾，機(jī)身兩側(cè)設(shè)置有機(jī)翼，機(jī)尾上設(shè)置有豎直尾翼，豎直尾翼頂部設(shè)置有兩處水平尾翼；機(jī)尾上設(shè)置有軸流風(fēng)扇系統(tǒng)；每處機(jī)翼內(nèi)部均設(shè)置有橫流風(fēng)扇系統(tǒng)。本發(fā)明通過(guò)位于機(jī)身尾部的...

本發(fā)明公開(kāi)了一種快照式牙齒光學(xué)參數(shù)測(cè)量計(jì)算方法，該方法包括：控制快照式光學(xué)采集單元同步獲取含多類(lèi)光成分的原始光學(xué)圖像數(shù)據(jù)集；提取像素級(jí)光譜特征，區(qū)分不同牙齒組織光譜響應(yīng)區(qū)間；結(jié)合解剖結(jié)構(gòu)劃分分析子區(qū)域，構(gòu)建光學(xué)特性初始分析矩陣并獲取光譜...

本發(fā)明公開(kāi)了一種基于降質(zhì)差異使能對(duì)比學(xué)習(xí)的多階段圖像復(fù)原方法。主要包括：(1)使用降質(zhì)差異編碼器(DDE)提取降質(zhì)表示，設(shè)計(jì)了降質(zhì)差異編碼器(DDE)提取降質(zhì)表示，并設(shè)計(jì)了降質(zhì)差異對(duì)比損失(DECL)精細(xì)化提取的降質(zhì)表示；(2)設(shè)計(jì)依托...

本發(fā)明屬于神經(jīng)調(diào)控治療技術(shù)領(lǐng)域，具體涉及一種神經(jīng)調(diào)控實(shí)時(shí)定位系統(tǒng)、治療設(shè)備及存儲(chǔ)介質(zhì)。本發(fā)明的系統(tǒng)包括：第一坐標(biāo)系模塊、第二坐標(biāo)系模塊、第三坐標(biāo)系模塊、注冊(cè)模塊、導(dǎo)航模塊。本發(fā)明還提供了集成有上述系統(tǒng)的治療設(shè)備。通過(guò)本發(fā)明的系統(tǒng)進(jìn)行神經(jīng)...

本申請(qǐng)涉及智能藥物推薦技術(shù)領(lǐng)域，提供了一種藥物推薦方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，包括：對(duì)患者當(dāng)前就診信息進(jìn)行時(shí)序編碼處理，生成當(dāng)前就診信息的語(yǔ)義向量；基于圖卷積神經(jīng)網(wǎng)絡(luò)在異構(gòu)醫(yī)學(xué)圖上進(jìn)行多消息傳播處理確定出各類(lèi)醫(yī)學(xué)實(shí)體的知識(shí)記憶向量，...

本發(fā)明公開(kāi)了一種無(wú)橋臂電感的模塊化交替支撐換流器及其調(diào)制方法，涉及電力電子技術(shù)領(lǐng)域。該模塊化交替支撐換流器通過(guò)重構(gòu)傳統(tǒng)MMC的運(yùn)行模式，提出一種新的模塊化交替支撐換流器拓?fù)洌ㄈ齻€(gè)相單元；相單元包括串聯(lián)的上橋臂和下橋臂；每一橋臂包括串...

本技術(shù)公開(kāi)了一種基于功分器的微波常壓等離子體射流陣列，涉及微波常壓等離子體領(lǐng)域，包括腔體以及外腔體上端設(shè)置的上腔體，且上腔體的上端設(shè)置有金屬蓋板，所述外腔體的內(nèi)部設(shè)置有內(nèi)導(dǎo)體，且內(nèi)導(dǎo)體的表面設(shè)置在外腔體與上腔體之間。該基于功分器的微波常...

本發(fā)明涉及氣電聯(lián)合系統(tǒng)規(guī)劃以及韌性提升領(lǐng)域，公開(kāi)了一種用于提升氣電聯(lián)合配網(wǎng)固有與動(dòng)態(tài)韌性的分布魯棒規(guī)劃方法。建立氣電聯(lián)合配電系統(tǒng)的擴(kuò)展規(guī)劃模型的目標(biāo)函數(shù)，提出決策相關(guān)不確定性建模方法，表征地震災(zāi)害下配電網(wǎng)線和天然氣管道不同型號(hào)的脆弱性曲...

本發(fā)明公開(kāi)了一種銅氧化物/碳復(fù)合電極材料的制備方法，屬于電化學(xué)電極材料制備與應(yīng)用技術(shù)領(lǐng)域。該制備方法為將棉粉經(jīng)過(guò)離子液體溶膠凝膠過(guò)程制備成纖維素氣凝膠，經(jīng)銅鹽負(fù)載后碳化得到氧化銅/碳復(fù)合電極材料。該材料比表面積大、銅氧化物分布均勻，具有...

本發(fā)明提供了一種微針貼片及其制備方法，所述微針貼片包括防水抗原儲(chǔ)庫(kù)針尖，可溶性針體和背襯層。所述防水抗原儲(chǔ)庫(kù)針尖由表面經(jīng)交聯(lián)材料交聯(lián)修飾的顆粒組成。本發(fā)明的微針貼片僅需簡(jiǎn)單快速按壓施用于黏膜處即可完成給藥，所述防水抗原儲(chǔ)庫(kù)針尖能夠完全有...

本發(fā)明提供一種非佩戴式生命體征監(jiān)測(cè)系統(tǒng)。涉及生命體征監(jiān)測(cè)技術(shù)領(lǐng)域，包括，采集模塊，所述采集模塊對(duì)用戶的生命體征數(shù)據(jù)進(jìn)行采集處理，所述采集模塊通過(guò)所述采集處理形成原始生理數(shù)據(jù)，所述采集處理采用光學(xué)反射監(jiān)測(cè)技術(shù)。該非佩戴式生命體征監(jiān)測(cè)系統(tǒng)，...

本發(fā)明公開(kāi)了一種TA輔助抗氧化的MXene基柔性壓力傳感陣列系統(tǒng)的制備方法，涉及傳感器領(lǐng)域，所述制備方法包括以下步驟：S1、經(jīng)堿脫重前處理得到滌綸?氨綸針織織物DA；S2、在DA織物上構(gòu)建三維分級(jí)多孔MXene骨架；S3、進(jìn)行表面功能化...

本發(fā)明公開(kāi)一種基于真實(shí)樣本的處理類(lèi)別不平衡的反事實(shí)生成方法，包括步驟：對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)處理；采用因果發(fā)現(xiàn)算法進(jìn)行因果特征選擇；計(jì)算因果特征傾向性得分，并進(jìn)行匹配；反事實(shí)生成，并構(gòu)成合成的少數(shù)類(lèi)集合，將其與原數(shù)據(jù)集合并得到增強(qiáng)數(shù)據(jù)集；對(duì)增...

本發(fā)明提供一種深部巖石原位保溫取心高強(qiáng)度環(huán)氧樹(shù)脂基體材料的制備方法，其特征在于，使用環(huán)氧樹(shù)脂與固化劑及剛性骨架結(jié)構(gòu)制備得到環(huán)氧樹(shù)脂基體材料。本發(fā)明還提供一種深部巖石原位保溫取心高強(qiáng)度環(huán)氧樹(shù)脂基體材料，其中包含固化劑和剛性材料9,9?雙（...

本發(fā)明提供了一種可循環(huán)竹纖維泡沫及其制備方法和應(yīng)用，涉及生物質(zhì)材料技術(shù)領(lǐng)域。本發(fā)明提供的可循環(huán)竹纖維泡沫的制備方法，首先將竹子粉碎后分散于水中，之后移除水溶液上層的薄壁細(xì)胞后收集含竹纖維竹粉；通過(guò)加熱堿煮的方式進(jìn)行部分脫木質(zhì)素處理，制備...

本發(fā)明涉及人工智能中的圖數(shù)據(jù)分析技術(shù)，提供一種基于信息瓶頸與分層對(duì)比學(xué)習(xí)的圖級(jí)異常解釋方法，以解決無(wú)監(jiān)督場(chǎng)景異常子圖定位不準(zhǔn)及傳統(tǒng)擾動(dòng)破壞結(jié)構(gòu)致異常模式捕獲不足的問(wèn)題。本發(fā)明通過(guò)結(jié)構(gòu)特征增強(qiáng)(融合隨機(jī)游走擴(kuò)散的全局結(jié)構(gòu)編碼與節(jié)點(diǎn)度one...