本發(fā)明公開了一種基于毫米波雷達(dá)探測人體存在的方法，包括以下步驟：S1：將雷達(dá)每個通道接收到的回波信號進(jìn)行數(shù)據(jù)重組、建立數(shù)據(jù)和復(fù)信號重組操作；S2：用陣列重組技術(shù)將復(fù)信號進(jìn)行陣列重組，形成若干個通道孔徑的距離脈沖和速度脈沖三維數(shù)組；S3：...

本發(fā)明公開了一種基于全局交通信息的道路交通引導(dǎo)方法、裝置及相關(guān)設(shè)備，包括：終端節(jié)點層收集動態(tài)全局交通信息，并將動態(tài)全局交通信息共享給邊緣服務(wù)器；邊緣服務(wù)器接收終端節(jié)點層發(fā)送的動態(tài)全局交通信息，對動態(tài)全局交通信息進(jìn)行數(shù)據(jù)處理，篩選出路徑規(guī)...

本申請涉及了一種基于車聯(lián)網(wǎng)的計算卸載和資源分配方法及系統(tǒng)，本方法考慮同時優(yōu)化車輛的卸載策略和邊緣服務(wù)器的資源分配策略，根據(jù)合作博弈論指導(dǎo)下以最小化異構(gòu)任務(wù)的任務(wù)完成延遲為目標(biāo)計算出每一輪的卸載策略，根據(jù)DDPG(Deep?Determi...

本發(fā)明公開了一種基于邊緣設(shè)備的行人目標(biāo)檢測方法、裝置、設(shè)備及介質(zhì)，包括：獲取待檢測圖像；將待檢測圖像輸入到訓(xùn)練好的行人目標(biāo)檢測網(wǎng)絡(luò)中，其中，訓(xùn)練好的行人目標(biāo)檢測網(wǎng)絡(luò)包括共享特征提取層、目標(biāo)檢測層和姿態(tài)估計層；采用共享特征提取層對待檢測圖...

本申請涉及一種可學(xué)習(xí)極點配置的一類非線性系統(tǒng)灰箱辨識方法，該方法包括：構(gòu)建出系統(tǒng)的狀態(tài)空間方程；基于系統(tǒng)的狀態(tài)空間方程構(gòu)建狀態(tài)觀測器；對狀態(tài)觀測器進(jìn)行迭代，得到狀態(tài)觀測策略并學(xué)習(xí)到狀態(tài)可重構(gòu)性映射；采用全連接神經(jīng)網(wǎng)絡(luò)，并基于狀態(tài)可重構(gòu)性...

本發(fā)明公開了一種預(yù)訓(xùn)練模型微調(diào)方法及系統(tǒng)，該方法包括：服務(wù)端對醫(yī)療預(yù)訓(xùn)練全局模型進(jìn)行預(yù)處理，得到具有凍結(jié)參數(shù)和可調(diào)節(jié)LoRA參數(shù)的醫(yī)療預(yù)訓(xùn)練全局模型；終端側(cè)將本地醫(yī)療任務(wù)數(shù)據(jù)輸入至該醫(yī)療預(yù)訓(xùn)練全局模型中進(jìn)行計算，得到初始輸出結(jié)果；利用噪...

本申請涉及了一種應(yīng)用于車聯(lián)網(wǎng)的聯(lián)邦學(xué)習(xí)方法、裝置、設(shè)備及介質(zhì)，方法構(gòu)建了車輛本地訓(xùn)練、簇內(nèi)模型聚合和服務(wù)器全局聚合的聯(lián)邦學(xué)習(xí)分布式訓(xùn)練網(wǎng)絡(luò)，并為了滿足車輛聯(lián)邦學(xué)習(xí)服務(wù)質(zhì)量要求的同時支持盡可能快的模型收斂，構(gòu)建了全局模型聚合的收斂時間最小...

本發(fā)明公開了一種基于張量掩碼語義通信的聯(lián)邦邊緣數(shù)據(jù)通信方法，用于道路交通卡口的數(shù)據(jù)通信處理，在卡口邊緣端分布式訓(xùn)練深度學(xué)習(xí)模型；利用訓(xùn)練好的深度學(xué)習(xí)模型對卡口監(jiān)控數(shù)據(jù)進(jìn)行實時分析和處理；采用語義通信技術(shù)，利用掩碼自編碼機(jī)提取深度學(xué)習(xí)模型...

本發(fā)明涉及任務(wù)調(diào)度領(lǐng)域，公開了一種基于分布式云平臺的任務(wù)調(diào)度方法、裝置及相關(guān)設(shè)備，所述方法包括：獲取目標(biāo)從節(jié)點發(fā)送的任務(wù)請求，所述任務(wù)請求包括基于所述目標(biāo)從節(jié)點上各任務(wù)確定的圖結(jié)構(gòu)特征；基于所述目標(biāo)從節(jié)點所在區(qū)域的主節(jié)點上的特征提取模塊...

本申請的實施例提供了多邊緣協(xié)同的客服方法、裝置、設(shè)備和可讀存儲介質(zhì)。所述方法包括構(gòu)建客服系統(tǒng)網(wǎng)絡(luò)架構(gòu)；基于所述客服系統(tǒng)網(wǎng)絡(luò)架構(gòu)，獲取咨詢數(shù)據(jù)；將所述咨詢數(shù)據(jù)轉(zhuǎn)換為對應(yīng)的文本數(shù)據(jù)；通過大語言模型對所述文本數(shù)據(jù)進(jìn)行處理，生成答案；將所述答案...

本申請涉及一種基于數(shù)據(jù)質(zhì)量與強(qiáng)化學(xué)習(xí)的元任務(wù)小樣本分類方法，該方法包括：分別對標(biāo)準(zhǔn)化處理后的訓(xùn)練集和測試集進(jìn)行采樣，得到采樣訓(xùn)練集和采樣測試集；將采樣訓(xùn)練集和采樣測試集組合成一元學(xué)習(xí)任務(wù)；對計算出的每個權(quán)重進(jìn)行歸一化，得到每個任務(wù)對應(yīng)的...

本發(fā)明公開了一種圖文統(tǒng)一編碼方法、裝置、計算機(jī)設(shè)備及介質(zhì)，包括：構(gòu)建基于雙向生成網(wǎng)絡(luò)的圖文數(shù)據(jù)統(tǒng)一編碼模型，其中，圖文數(shù)據(jù)統(tǒng)一編碼模型包括圖像子網(wǎng)絡(luò)和文本子網(wǎng)絡(luò)，圖像子網(wǎng)絡(luò)包括圖像向量生成器、文本生成器，文本子網(wǎng)絡(luò)包括文本向量生成器、圖...

本發(fā)明實施例中提供了一種面向大模型任務(wù)的計算與通信融合的智能算網(wǎng)調(diào)度方法，屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，具體包括：建立調(diào)度優(yōu)化目標(biāo)函數(shù)；設(shè)計深度強(qiáng)化學(xué)習(xí)環(huán)境，將調(diào)度優(yōu)化目標(biāo)函數(shù)設(shè)計為獎勵函數(shù)，并構(gòu)成馬爾科夫過程；對當(dāng)前大模型任務(wù)提取狀態(tài)特征；深...

本發(fā)明公開了一種虛擬實體數(shù)據(jù)系統(tǒng)構(gòu)建方法及相關(guān)設(shè)備，包括：對車間每個物理實體進(jìn)行數(shù)據(jù)建模，得到實體屬性矩陣；基于物理實體的空間位置構(gòu)建空間布局矩陣；根據(jù)車間的設(shè)備狀態(tài)、生產(chǎn)訂單狀態(tài)、工藝流程狀態(tài)構(gòu)建環(huán)境狀態(tài)矩陣；通過鋼鐵生產(chǎn)的加工工藝約...

本發(fā)明涉及供應(yīng)鏈質(zhì)量管理技術(shù)領(lǐng)域，具體是一種基于知識圖譜的供應(yīng)鏈質(zhì)量管理系統(tǒng)，包括監(jiān)控中心，所述監(jiān)控中心通信連接有流程分類匹配模塊、數(shù)據(jù)采集模塊、數(shù)據(jù)存儲模塊、數(shù)據(jù)分析模塊和質(zhì)量管控模塊；流程分類匹配模塊用于設(shè)置關(guān)鍵流程子序列，獲取各個...

本發(fā)明公開了一種心電信號數(shù)據(jù)分類方法、裝置、計算機(jī)設(shè)備及介質(zhì)，包括：獲取心電信號數(shù)據(jù)，對心電信號數(shù)據(jù)進(jìn)行顯性特征提取，得到第一特征，第一特征包括R波、Q波、S波、P波、T波的波形時限和高度，基于外部注意力的方式，進(jìn)行深度特征提取，得到第...

本發(fā)明實施例提供了一種卡車無人機(jī)協(xié)同配送路徑規(guī)劃方法、裝置、存儲介質(zhì)及電子裝置，涉及卡車無人機(jī)協(xié)同技術(shù)的技術(shù)領(lǐng)域。其方法包括：獲取客戶信息、無人機(jī)發(fā)射回收信息以及配送信息；基于所述無人機(jī)發(fā)射回收信息以及所述配送信息，確定配送路徑模型；通...

本申請適用于跌倒檢測技術(shù)領(lǐng)域，提供了一種跌倒檢測方法及系統(tǒng)，其中該方法包括：獲取監(jiān)控對象的監(jiān)控視頻，并確定監(jiān)控視頻中監(jiān)控對象被遮擋的遮擋視頻幀；給監(jiān)控視頻中的遮擋視頻幀添加高斯噪聲得到添加噪聲后的噪聲視頻；將噪聲視頻重塑為空間主導(dǎo)向量和...

本發(fā)明實施例提供了一種基于懲罰機(jī)制的聲源檢測方法、裝置及存儲介質(zhì)，涉及聲源檢測技術(shù)的技術(shù)領(lǐng)域。其方法包括：獲取初始波束輸出矩陣，并對初始波束輸出矩陣進(jìn)行搜索處理，以得到所述初始波束輸出矩陣中滿足預(yù)設(shè)條件的第一矩陣元素；基于所述第一矩陣元...

本發(fā)明實施例中提供了一種基于多尺度時空動態(tài)交互網(wǎng)絡(luò)的交通流量預(yù)測方法，屬于交通控制系統(tǒng)技術(shù)領(lǐng)域，具體包括：步驟1，獲取城市路網(wǎng)中的歷史交通流數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理；步驟2，獲取不同時間尺度下的靜態(tài)依賴關(guān)系，以及，模擬時間維度和空間維度的信...