新葡京娱乐场-大陆娱乐场开户注册

物流調度、航班規劃等復雜應用場景中，設計方案的評價隨著時間動態改變。這類優化問題在現實中廣泛存在并且求解困難。為了推動該領域的發展，亟待提出能反映動態優化問題復雜特性并且可控的測試集，從而推動動態優化算法在現實問題中的應用。課題組在

本發明公開了面向大規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練增強型殘差量化所需的多層碼書，并利用所訓練的碼書構建多維倒排索引；根據已訓練完成的碼書，對圖像視覺特征進行量化和編碼，同時根據計算得到的編碼將其插入到倒排索引中對應的倒排列表；利用查詢圖像視覺特征對所構建的多維倒排索引進行查詢，獲得查詢候選集；利用自適應超球體過濾對查詢候選集進行優化，對過濾后的查詢結果排序，從而完成圖像視覺特征的檢索。本發明的方法通過對圖像特征進行量化和編碼，提高圖像特征的量化效率；利用所生

1.痛點問題 協作機器人與人類共享工作空間，通過直接（即物理上）或間接地與人類交互共同開展操作任務。相比傳統工業機器人，協作機器人有更高的安全性和更易于編程的特點，能夠通過人類示教部署于各種不同的任務并靈活地與人類配合。隨著傳統工業機器人帶來的效率提升趨于飽和，能夠安全配合人類的協作機器人能夠進一步提高制造業的生產效率，帶來可觀的經濟效益。然而，現有的協作機器人存在以下兩大痛點問題。 問題一：安全和效率之間的權衡一直是人機交互中未系統解決的開放性問題。當存在人機直接接觸時，為了保證人的安全，現有的協作機器人是通過中止正在進行的任務、順從人的干預以保證安全；然而，不論人是有意地干預（即工人直接抓取機械臂來引導其任務）還是無意地接觸機器人，都將造成機器人暫停手頭工作；直到人類停止干預，機器人才能繼續執行它的任務。雖然這種人機協作方式能夠保證機器人與工人合作的安全，但因為機器人需要在不同的工作模式之間切換，其工作效率將會受到影響。 問題二：如何提高人的示教效率為協作機器人的另一大痛點問題。協同機器人多用于能夠靈活拆裝的生產線，以適應新的任務，因此新任務的編程效率很大程度上決定了工作效率。基于人類示教的編程方式具有自然、本能的優勢，能夠直接傳遞人類的操作技巧與經驗。其中，將示教軌跡參數化為可以編輯修改、適應不同任務的形式是提高效率的核心問題。該示教軌跡不光應該包含機器人末端的運動數據，而且應該包含同時調整的冗余關節運動數據，從而同時完成末端主任務與關節避障任務，以適應工作環境。現有的示教方式未能結合離線示教與在線介入，因此無法適用于需要同時記錄機器人末端和關節的示教任務。 2.解決方案 本項成果基于增強現實-觸覺感知技術，開發了混合交互接口與人機互補操作算法，以解決上述痛點問題。 ①對于問題一，本項成果提出了自適應視覺控制與零空間阻尼控制的協作框架：在有限視場、未校正相機、關節奇異的情況下，保證了機器人在整個工作空間內的全局穩定性；在不影響機器人末端任務的前提下，允許人類專家隨時、安全地介入以改變機器人關節姿態，以應對環境動態變化或突發事件，從而實現了安全與效率并重的人機協作方式。 ②對于問題二，本項成果構建了增強現實-觸覺感知的混合接口，讓人類專家可以在任務和冗余聯合空間進行雙手演示，同時記錄機器人末端與機器人關節的數據。示教軌跡基于DMP方法進行參數化，能夠根據不同任務所需的末端位置、關節角度、運動速度進行自適應調整，在保證末端任務精度的同時完成關節的避障任務。 技術核心： ①基于增強現實-觸覺感知的混合交互接口; ②用于雙手示教的機器人軌跡學習方法; ③自適應全局穩定控制算法。 預期產品：用于人機互補協同操作的設備與軟件 3.合作需求 1)資金需求：本項成果開發的人機互補協作平臺，在硬件與軟件研發階段需要資金投入，需約250-500萬元人民幣； 2)孵化資源：公司研發所需辦公及研發場地、實驗室、分析與測試實驗室等； 3)團隊：協作平臺開發團隊、商務開發與合作團隊、財務、法務等支持團隊； 4)生產制造企業合作：提供人機協同操作的場景與需求，開展工廠真實環境的測試與部署； 5)基礎研究合作：與協作機器人、增強現實、觸覺感知方向的國內外基礎研究團隊合作，開發新的交互設備與算法。

中國科學技術大學生命科學與醫學部瞿昆教授課題組通過設計一整套分析流程，系統性評估了16種空間轉錄組和單細胞轉錄組數據整合算法在預測基因或細胞類型空間分布方面的性能。

物流調度、航班規劃等復雜應用場景中，設計方案的評價隨著時間動態改變。這類優化問題在現實中廣泛存在并且求解困難。為了推動該領域的發展，亟待提出能反映動態優化問題復雜特性并且可控的測試集，從而推動動態優化算法在現實問題中的應用。課題組在IEEE Transactions on Cybernetics上發表了一種生成連續動態優化問題的測試集，同時對現有的測試集進行了全面的綜述，并探討了它們在捕獲不同問題特征方面的缺點。

申請人自2002年8月開始在醫學低劑量CT圖像成像、處理等方向開展學習和研究工作，從理論探索和應用拓展兩個方面同時開展科學研究，先后提出了“基于區別性稀疏表示的低劑量CT成像”，“基于大尺度平均的低劑量CT圖像后處理”，“基于深度學習的低劑量CT成像”等一系列創新算法，其中“基于區別性稀疏表示的低劑量CT成像”算法已通過專利形式轉讓到國內龍頭大型醫療設備商上海聯影醫療設備有限公司，目前已經在其即將推出的最新的U780 CT機上得到了應用。

南科大醫學院教授張文勇、研究助理教授欒合密等在國際著名生物信息學與計算生物學期刊Bioinformatics上發表題為“CPVA: a web-based metabolomic tool for chromatographic peak visualization and annotation”的論文。該研究創新提出了以色譜中心策略算法（CCS）提高基于質譜的組學數據質量，并搭建了R-Shiny的Web應用CPVA，實現了組學數據在線交互式的處理。該論文提出了色譜中心策略算法（CCS），并開發了在線互動工具來解決該領域普遍存在的問題。色譜中心策略是指通過對組學數據中提取的色譜峰形狀進行數字化描述，包括對稱性（Symmetry）、鋸齒度（Jaggedness）、形態（Modality）、色譜質量指數（MCQ）等，并以在線互動的方式直接展示色譜峰的形態特征。

本發明公開了一種基于神經網絡模型 BP 算法的嵌入式礦壓檢測方法法，首先根據根據待檢測區域的地域情況，采用多個振弦式壓力傳感器進行測量；然后 ARM7 處理器根據系統任務個數建立相應的進程；最后在建立的任務中打開定時器，輸出一個固定在某一頻率范圍內的脈沖，經過驅動激振電路，產生一個能對振弦式壓力傳感器內部振弦起振的信號，同時使用 ARM7處理器對振弦式壓力傳感器返回的脈沖信號進行頻率測量，計算得到壓力值，最后，利用溫度傳感器采集振弦周圍區域的溫度，采用 BP 算法建立神經網絡模型，利用神經網絡模型對得到的各組壓力數據及采集的溫度數據進行學習，并根據神經網絡模型找出壓力隨溫度的變化規律，對振弦式傳感器進行溫度補償。

本發明公開了一種面向超光譜數據庫的小波去噪算法，屬于超光譜數據的處理方法，用于對帶有噪 聲的超光譜曲線進行降噪。本發明順序包括小波降噪參數選擇、小波降噪。本發明在小波降噪參數學習 過程中充分考慮了超光譜數據庫中各種物質超光譜曲線的特性，快速的選擇適合超光譜數據庫絕大多數 光譜曲線的小波降噪參數，然后使用選擇得到的參數對測量到的超光譜曲線進行降噪。該方法能快速的 針對各種不同應用場景的超光譜數據庫選擇與之適應小波降噪參數，提高了降噪的效果，提高光譜匹配 的準確率。

本發明公開了一種基于分裂算法的湖泊三維水動力-水溫-水質模擬預測方法。構建湖泊三維水動力-水溫-水質模型，將湖泊離散成若干網格單元，并對網格采用 Arakawa-C 模式布置變量，基于分裂算法將湖泊三維水動力-水溫-水質模型中各算子按照其物理波動過程的波頻快慢特性進行分類，對低頻慢過程算子采用顯式處理，對高頻快過程算子采用隱式處理，運用分裂算法分步離散求解模型，得到湖泊水域內不同位置和時間的三維流場、水溫和水質指標濃度。本發明提出的基于分裂算法的湖泊三維水動力-水溫-水質模擬預測方法能較準確地反映湖