新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開了一種 SIFT 特征向量梯度直方圖多通道更新電路，使用 16 個(gè)八維四更新的直方圖組來取代 1 個(gè) 128 維 16 更新的直方圖，每一個(gè)八維四更新的直方圖代表同一空間位置的 NBO 方向維度的子特征值向量。所述電路包括：第一三線性插值模塊、第二三線性插值模塊、方向地址仲裁模塊、第一至第十六四通道更新仲裁模塊、第一至第十六八維四通道更新直方圖模塊。本發(fā)明的電路硬件面積開銷僅占傳統(tǒng)128維16更新的直方圖電

基于載荷強(qiáng)化和損傷的載荷譜處理新技術(shù)，用于加載譜和耐久性評(píng)價(jià)規(guī)范的制定。通過載荷的強(qiáng)化和損傷、結(jié)構(gòu)抗疲勞設(shè)計(jì)和載荷譜中強(qiáng)度變化特征等提出了基于強(qiáng)度特征的輕量化設(shè)計(jì)和可靠性設(shè)計(jì)，并應(yīng)用到等速萬向傳動(dòng)軸零件的具體設(shè)計(jì)。

項(xiàng)目概況 該模塊提供了一個(gè)基于網(wǎng)絡(luò)的通過不同 CAD 系統(tǒng)導(dǎo)出零件模型信息并提取零件特征信 息的系統(tǒng)，融自動(dòng)識(shí)別、模糊匹配、通用性強(qiáng)于一體的、具有異地可操作性、多功能的實(shí)時(shí) 的科研開發(fā)平臺(tái)及系統(tǒng)。 本項(xiàng)目處于國(guó)內(nèi)先進(jìn)水平，擁有自主知識(shí)產(chǎn)權(quán)。 18 主要特點(diǎn) 依據(jù)從 CAD 到 CAPP／CAM、從三維到二維的基本方法；采取基于網(wǎng)絡(luò)化可操作性手段， 以 CAD 系統(tǒng)導(dǎo)出的 STEP 文件為核心，實(shí)現(xiàn)了從三維 CAD 系統(tǒng)獲取產(chǎn)品零件加工特征，STEP 文件信息自動(dòng)識(shí)別準(zhǔn)確迅速，方便查詢，可實(shí)時(shí)修改和更新，基于網(wǎng)絡(luò)化的操作方法；有遍 歷的各項(xiàng)歷史記錄，通用性較強(qiáng)；特征識(shí)別通過模糊匹配，基本實(shí)現(xiàn)智能化判斷和匹配，實(shí) 現(xiàn)簡(jiǎn)單零件基本特征的提取；也可以根據(jù)具體的產(chǎn)品零件進(jìn)行定制開發(fā)和提取，開放性和靈 活性較強(qiáng)；也可以與實(shí)際的數(shù)控機(jī)床 NC 程序相結(jié)合進(jìn)行開發(fā)；有通用或?qū)Ｓ媒涌?，可廣泛 用于各個(gè)不同類型的企業(yè)和不同地域的虛擬企業(yè)。該系統(tǒng)具有許多獨(dú)到的功能（網(wǎng)絡(luò)化操作、 三維軟件不限制、零件類型不限制、智能故障診斷等） 技術(shù)指標(biāo) 基于網(wǎng)絡(luò)化操作、自動(dòng)信息識(shí)別、智能特征提取、實(shí)時(shí)故障診斷；實(shí)時(shí)修改和更新、查 詢操作方便、通用性強(qiáng)；遠(yuǎn)程數(shù)據(jù)發(fā)送，實(shí)現(xiàn)多企業(yè)和異地的共操作；有通用或?qū)Ｓ媒涌冢?開放性好，可結(jié)合數(shù)控機(jī)床、企業(yè)實(shí)際情況等進(jìn)行定向開發(fā)。一種基于網(wǎng)絡(luò)的通用的零件信 息提取科研開發(fā)系統(tǒng)。 市場(chǎng)前景 近年來虛擬企業(yè)的迅猛增多和異地企業(yè)的合作增強(qiáng)，使得基于網(wǎng)絡(luò)化的零件特征提取具 有良好的市場(chǎng)前景，也使眾多一直需要解決的難題，因此受到廣大制造企業(yè)的青睞。 

本發(fā)明提出了一種基于壓縮感知特征選擇的實(shí)時(shí)檢測(cè)跟蹤框架與跟蹤方法(CFS)，本發(fā)明能夠?qū)?縮后的特征進(jìn)行選擇，只使用區(qū)分度高的樣本特征進(jìn)行分類;本發(fā)明能夠達(dá)到實(shí)時(shí)跟蹤，而且避免了由 于選擇了錯(cuò)誤的特征導(dǎo)致的跟蹤失敗現(xiàn)象，有效的抑制了不好的特征對(duì)跟蹤結(jié)果的影響，并且明顯提高 了跟蹤速度和跟蹤精度。

        對(duì)于難降解工業(yè)廢水的處理，單獨(dú)催化臭氧氧化技術(shù)存在臭氧劑量大、氣體回收難、出水毒性高等問題，而單獨(dú)生物降解處理難降解有機(jī)廢水周期長(zhǎng)、設(shè)備成本高。催化臭氧氧化與微生物降解近場(chǎng)耦合工藝則將按序進(jìn)行的催化氧化裝置和生物掛膜裝置兩個(gè)處理單元合并，利用催化臭氧技術(shù)提高難降解有機(jī)廢水的可生化性，同時(shí)采用生物膜技術(shù)減少后續(xù)處理成本，能夠?qū)崿F(xiàn)低成本提高COD、色度和濁度去除率的效果，同時(shí)降低出水毒性，減少環(huán)境生物風(fēng)險(xiǎn)。

本技術(shù)成果公開了一種采用多特征融合的圖像自動(dòng)標(biāo)注方法和系統(tǒng)，標(biāo)注方法是使用多種特征類型來 表示圖像內(nèi)容，引入多特征表示的特征簽名，結(jié)合K-Means聚類算法得到基于多特征融合的圖像語義統(tǒng)計(jì) 模型，用于對(duì)圖像自動(dòng)標(biāo)注

目前報(bào)導(dǎo)的“m5C”位點(diǎn)往往成簇存在于高GC含量區(qū)域，對(duì)針對(duì)NSUN2的RNA干擾不敏感，也無法被m5C抗體所富集，極可能是實(shí)驗(yàn)引入的假陽性。根據(jù)這一特征，該研究建立了一套新穎的生物信息學(xué)計(jì)算流程過濾噪音，得以精確地定位mRNA上的m5C。通過進(jìn)一步分析，該研究發(fā)現(xiàn)NSUN2依賴的m5C位點(diǎn)傾向于擁有一個(gè)3’富G的基序，通常位于在一個(gè)小頸環(huán)結(jié)構(gòu)的底部，與其tRNA底物高度一致，揭示了mRNA m5C 序列和結(jié)構(gòu)特征的由來。該研究發(fā)現(xiàn)除了NSUN2，NSUN家族其他成員不調(diào)控mRNA m5C位點(diǎn)，暗示除了NSUN家族成員，可能存在新的甲基轉(zhuǎn)移酶參與了不依賴于NSUN2 的mRNA m5C位點(diǎn)的催化。通過進(jìn)一步對(duì)7個(gè)人類組織于10個(gè)小鼠組織的轉(zhuǎn)錄組測(cè)序分析，分別確認(rèn)了3212與2498個(gè)高置信度位點(diǎn)。結(jié)果表明，在不同組織中mRNA m5C位點(diǎn)的數(shù)量與甲基化水平有很大差異。在人和小鼠的睪丸、肝臟、心肌和骨骼肌，mRNA上有數(shù)百個(gè)高置信度的m5C位點(diǎn)，而在其他的一些組織則寥寥可數(shù)。另外，這些m5C位點(diǎn)在人和老鼠之間并不保守，說明它們很可能是受到順式調(diào)控（cis-regulation）的。       這項(xiàng)研究開發(fā)的方法為mRNA m5C的研究提供了新的工具；其構(gòu)建的哺乳動(dòng)物mRNA m5C 精確圖譜為發(fā)現(xiàn)mRNA上m5C修飾的調(diào)控和功能奠定了堅(jiān)實(shí)的基礎(chǔ)。奧地利因斯布魯克醫(yī)科大學(xué)Alexandra Lusser教授在同期撰寫的評(píng)述文章“Getting a hold on cytosine methylation in mRNA”中，評(píng)價(jià)張銳教授課題組開發(fā)的新計(jì)算方法增加了m5C檢測(cè)的精確度，進(jìn)一步提供了tRNA甲基化轉(zhuǎn)移酶NSUN2介導(dǎo)mRNA甲基化的令人信服的證據(jù)。

本實(shí)用新型公開了一種基于特征吸收光譜的氣體體吸熱太陽能發(fā)電裝置。光能轉(zhuǎn)換器件一側(cè)吸收聚焦太陽光轉(zhuǎn)換為熱能，熱能傳遞到光能轉(zhuǎn)換器件另一側(cè)，轉(zhuǎn)換為氣體工質(zhì)的特征吸收峰鄰近的輻射能，并向吸熱腔內(nèi)輻射換熱?；?zé)崞鞒隹诘臍怏w工質(zhì)進(jìn)入吸熱腔，立體吸收輻射能，溫度迅速升高。加熱后的高溫工質(zhì)進(jìn)入透平機(jī)膨脹做功，膨脹之后的工質(zhì)流經(jīng)回?zé)崞鲹Q熱，溫度降低后依次進(jìn)入冷卻器、壓縮機(jī)和回?zé)崞?，回?zé)崞鞒隹诘墓べ|(zhì)再進(jìn)入吸熱腔內(nèi)立體加熱，完成一個(gè)熱功轉(zhuǎn)換循環(huán)。本實(shí)用新型采用光能轉(zhuǎn)換器件，將太陽能轉(zhuǎn)換為氣體工質(zhì)的特征吸收峰鄰近的輻射能，工質(zhì)直接立體吸收輻射能，大幅減少了吸熱表面積，吸熱器結(jié)構(gòu)簡(jiǎn)單，效率高，成本低。

本發(fā)明公開了面向大規(guī)模圖像視覺特征的多維倒排索引與快速檢索算法，包括：利用圖像的視覺特征訓(xùn)練增強(qiáng)型殘差量化所需的多層碼書，并利用所訓(xùn)練的碼書構(gòu)建多維倒排索引；根據(jù)已訓(xùn)練完成的碼書，對(duì)圖像視覺特征進(jìn)行量化和編碼，同時(shí)根據(jù)計(jì)算得到的編碼將其插入到倒排索引中對(duì)應(yīng)的倒排列表；利用查詢圖像視覺特征對(duì)所構(gòu)建的多維倒排索引進(jìn)行查詢，獲得查詢候選集；利用自適應(yīng)超球體過濾對(duì)查詢候選集進(jìn)行優(yōu)化，對(duì)過濾后的查詢結(jié)果排序，從而完成圖像視覺特征的檢索。本發(fā)明的方法通過對(duì)圖像特征進(jìn)行量化和編碼，提高圖像特征的量化效率；利用所生