新葡京娱乐场-大陆娱乐场开户注册

技術(shù)分析(創(chuàng)新性、先進(jìn)性、獨(dú)占性)開(kāi)發(fā)了新穎的深度學(xué)習(xí)算法，準(zhǔn)確識(shí)別患病部位，準(zhǔn)備診斷患病類(lèi)型，可以顯著提高臨床效益。自主獨(dú)立開(kāi)發(fā)。已經(jīng)在兩家大型三甲醫(yī)院做測(cè)試，算法和程序代碼完整，

技術(shù)分析(創(chuàng)新性、先進(jìn)性、獨(dú)占性) 開(kāi)發(fā)了新穎的深度學(xué)習(xí)算法，準(zhǔn)確識(shí)別患病部位，準(zhǔn)備診斷患病類(lèi)型，可以顯著提高臨床效益。自主獨(dú)立開(kāi)發(fā)。

Web挖掘技術(shù)屬于信息科學(xué)領(lǐng)域，涉及自然語(yǔ)言處理、模式識(shí)別、知識(shí)工程、機(jī)器學(xué)習(xí)和隨機(jī)過(guò)程等多個(gè)研究領(lǐng)域，并需要使用概率統(tǒng)計(jì)、矩陣?yán)碚撘约捌渌浻?jì)算方法作為研究工具和手段。本項(xiàng)目主要針對(duì)Web挖掘中的Web數(shù)據(jù)模型、文本分類(lèi)和信息檢索等基本問(wèn)題進(jìn)行理論和算法上的研究，并就這些問(wèn)題提出了潛在語(yǔ)義結(jié)構(gòu)模型、基于投影尋蹤的中文網(wǎng)頁(yè)分類(lèi)算法和基于Markov網(wǎng)絡(luò)的信息檢索等模型。同時(shí)，在理論上對(duì)這些方法進(jìn)行了深入的研究和探討，從理論上證明了其正確性。在實(shí)驗(yàn)方面，我們將分類(lèi)模型應(yīng)用于大規(guī)模的標(biāo)準(zhǔn)測(cè)試文檔集（REUTER-21578語(yǔ)料庫(kù)、復(fù)旦大學(xué)中文文本分類(lèi)語(yǔ)料庫(kù)），進(jìn)行了大量的實(shí)驗(yàn)，結(jié)果表明這些方法均表現(xiàn)出了較好的性能，接近甚至優(yōu)于SVM和KNN的分類(lèi)效果，并應(yīng)用檢索模型在標(biāo)準(zhǔn)測(cè)試文檔集（CACM、CISI、CRAN、MED）上進(jìn)行了多次對(duì)比實(shí)驗(yàn)，其性能與BM25相當(dāng)在某些指標(biāo)上甚至更優(yōu)。另外，課題組在北大天網(wǎng)測(cè)試文檔集上應(yīng)用上述模型，在近幾年的全國(guó)搜索引擎和網(wǎng)上信息挖掘?qū)W術(shù)研討會(huì)（SEWM）的中文WEB信息檢索評(píng)測(cè)中均取得了優(yōu)異的成績(jī)。

項(xiàng)目背景：近年來(lái)，我國(guó)自動(dòng)售貨機(jī)蓬勃發(fā)展的最佳時(shí) 期已經(jīng)到來(lái)，從零售行業(yè)的視角來(lái)看，隨著線上流量紅利的 衰退，線下流量的價(jià)值越來(lái)越突出，但線下門(mén)店業(yè)態(tài)也面臨 著高昂的人力成本和租金成本壓力。而智能化升級(jí)引入自動(dòng) 售貨機(jī)，通過(guò)網(wǎng)絡(luò)實(shí)現(xiàn)移動(dòng)支付功能以及貨物管理功能，使 得自動(dòng)售貨機(jī)運(yùn)營(yíng)效率得以提升，業(yè)務(wù)模式上也有了無(wú)限的 想象空間。隨著移動(dòng)支付的興起，國(guó)內(nèi)自動(dòng)售貨機(jī)市場(chǎng)近幾 年可謂遍地開(kāi)花，發(fā)展迅猛。近些年自動(dòng)售貨機(jī)行業(yè)一直朝 著低成本、多功能、更便利、售貨廣的方向發(fā)現(xiàn)。所以一款 造價(jià)低、性能穩(wěn)定，運(yùn)營(yíng)簡(jiǎn)單，購(gòu)物便利，售賣(mài)商品范圍廣 闊的機(jī)器越來(lái)越受到運(yùn)營(yíng)商的青睞。目前智能視覺(jué)柜采用靜 態(tài)識(shí)別系統(tǒng)將非常好的滿足上述條件，將來(lái)的發(fā)展?jié)摿?大。目前消費(fèi)者掃碼后開(kāi)門(mén)，取走商品后，關(guān)門(mén)，通過(guò)錄制 取走商品的視頻進(jìn)行解析消費(fèi)者取走的什么商品，從后進(jìn)行 自動(dòng)結(jié)算流程。核心技術(shù)是視覺(jué)識(shí)別，能通過(guò)人工智能 AI 進(jìn)行識(shí)別商品類(lèi)別及數(shù)量。 所需技術(shù)需求簡(jiǎn)要描述：掃碼開(kāi)門(mén)，采集視頻或圖片， 關(guān)門(mén)后通過(guò)算法自動(dòng)識(shí)別消費(fèi)者購(gòu)買(mǎi)的商品明細(xì)，目前算法 準(zhǔn)確度只有 90%，尚需突破。希望能基于視頻、圖像等媒體 資源，針對(duì)工廠質(zhì)檢、智能識(shí)別商品明細(xì)、智能補(bǔ)貨統(tǒng)計(jì)等 場(chǎng)景，提供整體 AI 算法解決方案，全面提升智能售貨機(jī)開(kāi) 門(mén)取貨自動(dòng)識(shí)別商品的準(zhǔn)確率達(dá)到 100%，帶來(lái)更便捷的購(gòu)物體驗(yàn)。  對(duì)技術(shù)提供方的要求:1.具有成功的自動(dòng)化控制實(shí)施案 例，承擔(dān)過(guò)國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目。2.熟悉產(chǎn)品結(jié)構(gòu)設(shè)計(jì)， 熟悉產(chǎn)品信息化、自動(dòng)化設(shè)計(jì)。3.具有工學(xué)博士學(xué)位或高級(jí) 工程師職稱，技術(shù)方案成熟可靠穩(wěn)定有創(chuàng)新思維，不涉及知 識(shí)產(chǎn)權(quán)侵犯。 

本實(shí)用新型公開(kāi)了一種單目三維實(shí)時(shí)在線跟蹤與定位系統(tǒng)。該系統(tǒng)包括激光測(cè)距裝置、望遠(yuǎn)鏡、CCD、 三角架、標(biāo)靶及計(jì)算機(jī)。激光測(cè)距裝置固定在望遠(yuǎn)鏡的上方，望遠(yuǎn)鏡被固定在三角架上，CCD 安裝在望 遠(yuǎn)鏡成像面上，用于獲取標(biāo)靶的二維圖像，與激光測(cè)距裝置一起通過(guò) USB 數(shù)據(jù)線將獲取的圖像傳輸?shù)?計(jì)算機(jī)中，并將測(cè)量的結(jié)果在計(jì)算機(jī)上顯示出來(lái)。本實(shí)用新型能對(duì)目標(biāo)進(jìn)行在線跟蹤，實(shí)時(shí)監(jiān)測(cè)目標(biāo)的 三維微小移動(dòng)，系統(tǒng)組成簡(jiǎn)單，應(yīng)用成本不高，適合在工程建筑變形觀測(cè)領(lǐng)域推

構(gòu)建了一個(gè)可靠的鞘翅目昆蟲(chóng)科級(jí)分類(lèi)單元間的系統(tǒng)進(jìn)化關(guān)系樹(shù)，在分類(lèi)單元覆蓋度、系統(tǒng)樹(shù)解析度等方面均大幅度超越之前的研究成果。更為重要的是，該研究發(fā)現(xiàn)：（1）鞘翅目昆蟲(chóng)起源于2億9千萬(wàn)年前的二疊紀(jì)早期，隨后物種數(shù)量不斷增加，其物種多樣性的產(chǎn)生的確與長(zhǎng)期的進(jìn)化相關(guān)；（2）然而，占甲蟲(chóng)物種數(shù)量一半以上的植食性甲蟲(chóng)出現(xiàn)于1億4千萬(wàn)至8千萬(wàn)年前的白堊紀(jì)時(shí)期，這與被子植物的出現(xiàn)與繁盛時(shí)間完全一致，說(shuō)明白堊紀(jì)時(shí)期被子植物的繁盛對(duì)植食性甲蟲(chóng)的物種多樣性增長(zhǎng)起到了“進(jìn)化推進(jìn)器”的作用。研究基于大數(shù)據(jù)構(gòu)建了鞘翅目穩(wěn)健的系統(tǒng)發(fā)育時(shí)間樹(shù)，為鞘翅目昆蟲(chóng)的系統(tǒng)分類(lèi)學(xué)研究奠定了基礎(chǔ)，同時(shí)揭示了鞘翅目昆蟲(chóng)驚人的物種數(shù)量產(chǎn)生的進(jìn)化機(jī)制，豐富了我們對(duì)生物進(jìn)化過(guò)程復(fù)雜性的認(rèn)識(shí)。

2014教育部自然科學(xué)獎(jiǎng)二等獎(jiǎng)，高速可靠的寬帶無(wú)線通信是現(xiàn)代信息社會(huì)的基本需求，也是我國(guó)基礎(chǔ)研究重大戰(zhàn)略方向之一，但其面臨著無(wú)線頻譜資源日益緊缺以及能源消耗急速增長(zhǎng)的瓶頸問(wèn)題，為尋求突破，多域多點(diǎn)協(xié)作的新型寬帶無(wú)線傳輸成為重要研究課題，它以多天線MIMO傳輸為基礎(chǔ)，充分挖掘和協(xié)同利用空間、時(shí)間、頻率、功率、終端和網(wǎng)絡(luò)等多域與多點(diǎn)資源，大幅度提升系統(tǒng)的頻譜效率與能量效率。本項(xiàng)目在國(guó)家863計(jì)劃、國(guó)家科技重大專(zhuān)項(xiàng)以及國(guó)家自然科學(xué)基金等重要課題的支持下，重點(diǎn)圍繞寬帶無(wú)線通信中的多用戶MIMO協(xié)作、中繼協(xié)作和多點(diǎn)協(xié)作網(wǎng)絡(luò)場(chǎng)景，研究多域多點(diǎn)協(xié)作的新型寬帶無(wú)線傳輸理論及系統(tǒng)架構(gòu)，提出了適應(yīng)復(fù)雜無(wú)線傳播環(huán)境的高效能。 分布式多域多點(diǎn)協(xié)作理論與關(guān)鍵技術(shù)，取得系列原創(chuàng)性成果，形成較為完整的多域多點(diǎn)協(xié)作傳輸理論體系。

成果介紹針對(duì)采用比例積分觀測(cè)器法，結(jié)合電池荷電狀態(tài)估計(jì)，設(shè)計(jì)能夠同時(shí)對(duì)模型參數(shù)和電池荷電狀態(tài)同時(shí)進(jìn)行估計(jì)的算法，可應(yīng)用于整車(chē)的BMS軟件算法設(shè)計(jì)。搭建的軟硬件平臺(tái)可應(yīng)用于BMS算法測(cè)試。技術(shù)創(chuàng)新點(diǎn)及參數(shù)(1)采用比例積分觀測(cè)器法，結(jié)合電池荷電狀態(tài)估計(jì)，設(shè)計(jì)能夠同時(shí)對(duì)模型參數(shù)和電池荷電狀態(tài)同時(shí)進(jìn)行估計(jì)的算法；(2)在觀測(cè)過(guò)程中模型參數(shù)可實(shí)時(shí)更新，算法滿足李雅普諾夫方程，估計(jì)計(jì)算時(shí)可保證收斂；(3)更好的動(dòng)態(tài)特性與電池充放電周期整體估計(jì)精度，且在電流信號(hào)有噪聲時(shí)仍有較好的估計(jì)精度；(4)基于STM32芯片主控，AD7280芯片采集數(shù)據(jù)，μC/OS-III系統(tǒng)完成了控制系統(tǒng)軟硬件設(shè)計(jì)。臺(tái)架實(shí)驗(yàn)表明，系統(tǒng)信號(hào)采集精度良好，性能實(shí)現(xiàn)成功；(5)采用OCV法對(duì)Ah法進(jìn)行糾正，獲得新的綜合SOC估算值，針對(duì)性地設(shè)計(jì)了初值確定方法，得到改良的SOC估計(jì)算法。*明該算法能在整個(gè)電池恒流放電過(guò)程中穩(wěn)定估算SOC；(6)為考慮電池工作過(guò)程中的產(chǎn)熱，對(duì)傳統(tǒng)的SOC估算方法，引入溫度約束，建立改良的SOP估計(jì)算法。*明該算法能很好地考慮電池溫度對(duì)SOP估測(cè)影響而提升估算精度；(7)采用STM32F103芯片主控，AD7280A芯片采集信息，μC/OS-III系統(tǒng)建立了BMS軟硬件系統(tǒng)，并進(jìn)行了實(shí)車(chē)試驗(yàn)。結(jié)果表明改良后的估計(jì)算法精度良好可靠，所設(shè)計(jì)BMS具備出色的控制性能。市場(chǎng)前景本項(xiàng)目的涉及的算法設(shè)計(jì)及軟硬件架構(gòu)，可以采用成果授權(quán)、成果轉(zhuǎn)讓或者技術(shù)服務(wù)的形式與汽車(chē)零部件供應(yīng)商產(chǎn)生合作。

與傳統(tǒng)圖片級(jí)分類(lèi)標(biāo)注方法相比，Visionome技術(shù)可多產(chǎn)生12倍標(biāo)簽，而這些標(biāo)簽訓(xùn)練出來(lái)的算法顯示了更好的診斷性能。基于此技術(shù)，團(tuán)隊(duì)訓(xùn)練出可準(zhǔn)確識(shí)別多種眼前段病變的裂隙燈圖像智能評(píng)估系統(tǒng)，可應(yīng)用于大規(guī)模篩查、綜合分診、專(zhuān)家級(jí)評(píng)估、多路徑診療建議等多個(gè)臨床場(chǎng)景。不僅在回顧性數(shù)據(jù)集中表現(xiàn)出眼科專(zhuān)家級(jí)別的診斷水平，在前瞻性數(shù)據(jù)集中也表現(xiàn)出色。使用者通過(guò)在Visionome診斷系統(tǒng)中上傳眼前段圖像，即能一次獲得多個(gè)部位的全方位診斷，與傳統(tǒng)的人工智能算法相比，Visionome系統(tǒng)可生成更加全面、精細(xì)、具體的報(bào)告，真正讓醫(yī)學(xué)人工智能應(yīng)用揭開(kāi)神秘的面紗，成為一個(gè)接地氣的“醫(yī)生”。

諧波電能計(jì)量及其儀表用以定量描述電能生產(chǎn)、 傳輸、消費(fèi)的全過(guò)程，廣泛應(yīng)用于包括光伏、風(fēng)電、電動(dòng)汽車(chē)、 充電站在內(nèi)的新能源及傳統(tǒng)電力系統(tǒng)。 項(xiàng)目主要功能包括：自適應(yīng)迭代分解電壓和電流信號(hào)得到 諧波與間諧波成分，計(jì)算其諧波含量；計(jì)量各個(gè)諧波/間諧波成 分的四象限電能計(jì)量參量；具有有功、無(wú)功能量脈沖輸出，記 錄參數(shù)設(shè)定、開(kāi)蓋檢測(cè)以及電壓不對(duì)稱、過(guò)壓、過(guò)流、超限等 事件，具有液晶循環(huán)顯示功能，可通過(guò) RS-48