本發(fā)明公開(kāi)了一種基于圖神經(jīng)網(wǎng)絡(luò)的智能優(yōu)化與資源動(dòng)態(tài)重分配方法和系統(tǒng)，該方法包括數(shù)據(jù)采集與建模、網(wǎng)絡(luò)拓?fù)涮卣魈崛?、擁塞檢測(cè)與預(yù)測(cè)、數(shù)據(jù)流重分配與智能優(yōu)化、以及實(shí)時(shí)監(jiān)控與反饋機(jī)制步驟。本發(fā)明通過(guò)圖神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)了對(duì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和數(shù)據(jù)流的實(shí)...

本發(fā)明涉及城市洪水預(yù)測(cè)與風(fēng)險(xiǎn)評(píng)估技術(shù)領(lǐng)域，公開(kāi)了基于多元數(shù)據(jù)融合的城市洪水預(yù)測(cè)與風(fēng)險(xiǎn)評(píng)估方法，該方法包括：通過(guò)多種數(shù)據(jù)源收集數(shù)據(jù)；對(duì)收集到的數(shù)據(jù)進(jìn)行預(yù)處理，并對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行降維和融合；構(gòu)建基于隨機(jī)森林的洪水預(yù)測(cè)模型，對(duì)洪水發(fā)生概率...

本發(fā)明公開(kāi)了一種個(gè)性化人體脊柱模型生成方法，涉及生物醫(yī)學(xué)工程的技術(shù)領(lǐng)域，該方法包括：利用高分辨率CT掃描獲取脊柱影像，經(jīng)降噪、歸一化、對(duì)比增強(qiáng)及分割重建初步三維模型；基于多例健康人體數(shù)據(jù)構(gòu)建標(biāo)準(zhǔn)模板，并通過(guò)平移、旋轉(zhuǎn)、縮放實(shí)現(xiàn)初步匹配；...

本申請(qǐng)涉及一種基于跨域多模態(tài)融合編碼的目標(biāo)匹配方法，該方法基于多視圖圖像數(shù)據(jù)、激光雷達(dá)點(diǎn)云數(shù)據(jù)以及待檢測(cè)的關(guān)鍵詞文本數(shù)據(jù)，分別得到視覺(jué)描述符、視點(diǎn)描述符以及第二關(guān)鍵詞特征向量；將視覺(jué)描述符與視點(diǎn)描述符融合為多視圖融合3D表達(dá)特征向量；將...

本申請(qǐng)涉及一種基于多模態(tài)融合的缺失信息補(bǔ)充建模方法，利用色彩分量對(duì)RGB圖像進(jìn)行編碼，得到第一特征；利用空間位置編碼對(duì)點(diǎn)云圖像進(jìn)行編碼，得到第二特征；對(duì)齊第一特征與第二特征的特征空間，并進(jìn)行特征融合，得到聯(lián)合特征；基于聯(lián)合特征進(jìn)行圖像重...

本發(fā)明涉及災(zāi)害預(yù)報(bào)預(yù)警技術(shù)領(lǐng)域，公開(kāi)了一種基于暴雨承災(zāi)系數(shù)的暴雨災(zāi)害預(yù)警方法及系統(tǒng)。包括如下步驟：獲取預(yù)警地區(qū)的多源數(shù)據(jù)和基礎(chǔ)地理信息，基于多源數(shù)據(jù)和基礎(chǔ)地理信息提取時(shí)空特征，并根據(jù)時(shí)空特征計(jì)算預(yù)定時(shí)間內(nèi)的格點(diǎn)預(yù)報(bào)降雨量；獲取預(yù)警地區(qū)的...

本發(fā)明涉及信息技術(shù)領(lǐng)域和虛擬現(xiàn)實(shí)技術(shù)領(lǐng)域，公開(kāi)了一種虛擬博物館引導(dǎo)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，方法包括：獲取VR頭顯設(shè)備的當(dāng)前狀態(tài)，當(dāng)VR頭顯設(shè)備的當(dāng)前狀態(tài)為佩戴狀態(tài)時(shí)，獲取虛擬博物館中的虛擬展品；顯示虛擬展品，獲取頭部或手部的移動(dòng)幅度...

本發(fā)明實(shí)施例中提供了一種基于LLM的多視角融合驅(qū)動(dòng)的摘要生成方法，屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，具體包括：步驟1，獲取用戶上傳的目標(biāo)文檔后，根據(jù)文檔內(nèi)容生成多個(gè)潛在分析視角；步驟2，使用聚類算法對(duì)潛在分析視角進(jìn)行分組和聚類，得到最終分析視角；步...

本發(fā)明提供了一種無(wú)人機(jī)射頻信號(hào)識(shí)別方法及相關(guān)裝置，涉及深度學(xué)習(xí)技術(shù)領(lǐng)域。通過(guò)從無(wú)人機(jī)射頻信號(hào)數(shù)據(jù)集中加載信號(hào)數(shù)據(jù)，所述數(shù)據(jù)集包含不同無(wú)人機(jī)機(jī)型、探測(cè)距離及信號(hào)片段標(biāo)簽；將所述信號(hào)數(shù)據(jù)分割為多段互不重疊的連續(xù)采樣點(diǎn)序列；向所述信號(hào)數(shù)據(jù)中添...

本發(fā)明公開(kāi)了一種流體臨界密度的測(cè)量方法和設(shè)備，該流體臨界密度的測(cè)量方法包括根據(jù)待測(cè)流體的理論臨界密度，選取密度在固體密度區(qū)間各不相同的多個(gè)固體顆粒；理論臨界密度在固體密度區(qū)間內(nèi)；將各固體顆粒投入到封閉容器中；在待測(cè)流體的臨界溫度下，將待...

本發(fā)明涉及快速分散式人形機(jī)器人狀態(tài)估計(jì)方法、系統(tǒng)、設(shè)備和介質(zhì)。方法包括：獲取IMU傳感器數(shù)據(jù)與視覺(jué)測(cè)量數(shù)據(jù)；基于IMU傳感器數(shù)據(jù)與視覺(jué)測(cè)量數(shù)據(jù)進(jìn)行非線性姿態(tài)估計(jì)，得到下一時(shí)刻浮動(dòng)基座姿態(tài)估計(jì)信息；獲取接觸信息與腿部關(guān)節(jié)信息，基于接觸信息...

本發(fā)明公開(kāi)了一種基于多智能體強(qiáng)化學(xué)習(xí)的配電網(wǎng)智能優(yōu)化調(diào)度方法，涉及配電網(wǎng)運(yùn)行優(yōu)化技術(shù)領(lǐng)域，該方法包括：識(shí)別配電網(wǎng)的電壓波動(dòng)與穩(wěn)定性問(wèn)題，設(shè)定優(yōu)化目標(biāo)；設(shè)計(jì)多智能體系統(tǒng)，定義智能體建立潮流計(jì)算模型；采用基于反事實(shí)多智能體策略梯度的強(qiáng)化學(xué)習(xí)...

本發(fā)明提供一種基于mamba特征提取的無(wú)人機(jī)目標(biāo)跟蹤方法及系統(tǒng)，該方法包括：實(shí)時(shí)獲取視頻流，獲取搜索區(qū)域圖像以及模板圖像；將搜索區(qū)域圖像以及模板圖像分別輸入至基于mamba的骨干網(wǎng)絡(luò)中進(jìn)行特征提取，骨干網(wǎng)絡(luò)包括VSS?Block模塊和S...

本發(fā)明涉及智慧交通技術(shù)領(lǐng)域，公開(kāi)了一種基于語(yǔ)義信息的車(chē)輛時(shí)空軌跡相似性計(jì)算方法及設(shè)備，得到時(shí)空軌跡數(shù)據(jù)，以1小時(shí)為區(qū)間對(duì)時(shí)空軌跡數(shù)據(jù)進(jìn)行劃分，構(gòu)建Voronoi圖生成泰森多邊形；對(duì)包含軌跡的泰森多邊形區(qū)域?qū)嵤┒嗑S度特征提取，得到區(qū)域的空...

本申請(qǐng)涉及了一種混合微塑料的預(yù)測(cè)分析方法、系統(tǒng)、電子設(shè)備及介質(zhì)，本方法首先獲取了目標(biāo)混合微塑料的目標(biāo)光譜數(shù)據(jù)和目標(biāo)元素組成數(shù)據(jù)，然后從中提取目標(biāo)光譜描述符以及目標(biāo)元素組成描述符，然后通過(guò)多個(gè)目標(biāo)光譜描述符，識(shí)別出微塑料種類信息，并確定對(duì)...

本發(fā)明實(shí)施例中提供了一種基于邊緣智能的任務(wù)計(jì)算卸載多目標(biāo)動(dòng)態(tài)決策方法，屬于通信技術(shù)領(lǐng)域，具體包括：步驟1，建立邊緣智能計(jì)算與基于正交頻分復(fù)用的無(wú)線通信的時(shí)延與能耗模型；步驟2，根據(jù)時(shí)延與能耗模型設(shè)計(jì)邊緣智能中任務(wù)調(diào)度與資源分配的多目標(biāo)優(yōu)...

本發(fā)明提出對(duì)抗場(chǎng)景下智能反射面輔助的無(wú)人機(jī)到地面安全傳輸系統(tǒng)，涉及無(wú)線通信技術(shù)領(lǐng)域，包括信源、信宿、無(wú)人機(jī)、智能反射面和竊聽(tīng)者，其中：所述無(wú)人機(jī)攜帶所述智能反射面，用于在信源與信宿之間建立通信鏈路；所述智能反射面包含N個(gè)反射元，用于對(duì)信...

本發(fā)明公開(kāi)一種基于混合模態(tài)意見(jiàn)共識(shí)決策的智能推薦方法、設(shè)備及介質(zhì)，該方法步驟包括：收集多個(gè)用戶對(duì)目標(biāo)問(wèn)題的數(shù)值意見(jiàn)以及語(yǔ)言意見(jiàn)形成混合意見(jiàn)集；搜索各個(gè)用戶的用戶信任集，計(jì)算用戶之間的信任權(quán)重；將數(shù)值意見(jiàn)轉(zhuǎn)換為語(yǔ)言意見(jiàn)以及將語(yǔ)言意見(jiàn)轉(zhuǎn)化為...

本發(fā)明提供了一種電力負(fù)荷長(zhǎng)時(shí)序預(yù)測(cè)方法及相關(guān)裝置，涉及電力負(fù)荷預(yù)測(cè)技術(shù)領(lǐng)域。通過(guò)采集電力負(fù)荷時(shí)序數(shù)據(jù)；對(duì)電力負(fù)荷時(shí)序數(shù)據(jù)進(jìn)行預(yù)處理；通過(guò)移動(dòng)分解方法將預(yù)處理后的電力負(fù)荷時(shí)序數(shù)據(jù)分解為季節(jié)性分量和趨勢(shì)性分量；將趨勢(shì)性分量輸入趨勢(shì)聚類增強(qiáng)網(wǎng)...

本發(fā)明公開(kāi)一種基于垂直大模型的焊接工藝方案智能生成方法及設(shè)備，該方法步驟包括：獲取用戶輸入的焊接需求信息，使用Embedding模型對(duì)焊接需求信息進(jìn)行向量化處理生成焊接需求向量，Embedding模型中編碼器包括多頭注意力機(jī)制層以及KA...