新葡京娱乐场-大陆娱乐场开户注册

用電設(shè)備的最優(yōu)管理是智能電網(wǎng)中實(shí)現(xiàn)需求側(cè)響應(yīng)的關(guān)鍵一環(huán)。然而該問(wèn)題通常需要同時(shí)管理調(diào)度大量的用電設(shè)備，同時(shí)考慮多個(gè)時(shí)槽，是一個(gè)時(shí)間空間耦合的復(fù)雜問(wèn)題，想要在短時(shí)間內(nèi)解決該問(wèn)題十分困難。因此，如何設(shè)計(jì)合理的算法，提高計(jì)算效率，降低計(jì)算時(shí)間，是目前的研究熱點(diǎn)。?

本發(fā)明提出一種基于MWC系統(tǒng)的盲多帶稀疏信號(hào)快速恢復(fù)算法，首先利用Xampling采樣板獲得壓縮采樣值y[n]，將y[n]乘以一個(gè)高斯隨機(jī)矩陣R，得到傳統(tǒng)的壓縮感知模型V=y[n]R=CU,這種方法避免了原方法中需要做特征值分解的操作，可以有效的減少M(fèi)WC系統(tǒng)中CTF模塊的運(yùn)行時(shí)間，此外，控制高斯隨機(jī)R的列數(shù)在一個(gè)較低水平，可以進(jìn)一步減少矩陣V的列數(shù)，這樣在用M-OMP算法恢復(fù)支撐集的過(guò)程中又能進(jìn)一步的減少運(yùn)行時(shí)間。經(jīng)過(guò)驗(yàn)證，該算法可以大幅度提高CTF模塊的運(yùn)算速度。

本發(fā)明公開(kāi)了面向大規(guī)模圖像視覺(jué)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(jué)特征訓(xùn)練增強(qiáng)型殘差量化所需的多層碼書(shū)，并利用所訓(xùn)練的碼書(shū)構(gòu)建多維倒排索引；根據(jù)已訓(xùn)練完成的碼書(shū)，對(duì)圖像視覺(jué)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(xún)圖像視覺(jué)特征對(duì)所構(gòu)建的多維倒排索引進(jìn)行查詢(xún)，獲得查詢(xún)候選集；利用自適應(yīng)超球體過(guò)濾對(duì)查詢(xún)候選集進(jìn)行優(yōu)化，對(duì)過(guò)濾后的查詢(xún)結(jié)果排序，從而完成圖像視覺(jué)特征的檢索。本發(fā)明的方法通過(guò)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

成果描述：旨在為大規(guī)模代數(shù)系統(tǒng)設(shè)計(jì)新型高效的求解算法，并結(jié)合信息科學(xué)進(jìn)行交叉研究。在大規(guī)模代數(shù)系統(tǒng)新型Krylov子空間算法及其基礎(chǔ)理論、復(fù)雜電磁計(jì)算、圖像處理高性能數(shù)值方法、動(dòng)力系統(tǒng)與智能控制理論方面進(jìn)行了系統(tǒng)深入的研究，取得了具有創(chuàng)新性的成果，例如：解決了科學(xué)計(jì)算中的有關(guān)基礎(chǔ)或困難問(wèn)題；提出了Lanczos雙共軛A-標(biāo)準(zhǔn)正交短遞歸Krylov子空間迭代法BiCOR/CORS/BiCORSTAB方法、一種新的“二維雙連續(xù)投影(2D-DSPM)方法”等一系列高效算法；為求解復(fù)雜電磁問(wèn)題產(chǎn)生的復(fù)雜線性系統(tǒng)設(shè)計(jì)了高效算法與預(yù)條件技術(shù)；提出了一些新型高效的邊界處理、圖像復(fù)原方法，具有更快的計(jì)算速度和更好的復(fù)原質(zhì)量；將數(shù)值代數(shù)與特殊矩陣分析和神經(jīng)網(wǎng)絡(luò)交叉研究取得成果。市場(chǎng)前景分析：本成果隸屬于計(jì)算數(shù)學(xué)學(xué)科的數(shù)值代數(shù)領(lǐng)域，是數(shù)學(xué)基礎(chǔ)理論研究。本項(xiàng)目著眼于科學(xué)與工程問(wèn)題當(dāng)中的難于解決的數(shù)學(xué)問(wèn)題的快速算法及其理論研究，在國(guó)民經(jīng)濟(jì)和國(guó)防安全的若干大數(shù)據(jù)領(lǐng)域具有重要的學(xué)術(shù)和應(yīng)用價(jià)值。因此，本成果不涉及經(jīng)濟(jì)效益，亦不涉及直接應(yīng)用。與同類(lèi)成果相比的優(yōu)勢(shì)分析：主要成果發(fā)表在國(guó)際權(quán)威期刊上，構(gòu)建的新方法新理論得到了權(quán)威專(zhuān)家的高度評(píng)價(jià)，相關(guān)工作引起了國(guó)內(nèi)外同行的廣泛關(guān)注與引用。通過(guò)國(guó)際合作，本項(xiàng)目提出的相關(guān)快速算法已通過(guò)國(guó)際合作研究被法國(guó)INRIA、法國(guó)LAPLACE國(guó)家實(shí)驗(yàn)室、荷蘭格羅寧根大學(xué)等國(guó)際知名研究機(jī)構(gòu)用于解決科學(xué)計(jì)算中的大規(guī)模代數(shù)方程組求解難題。

旨在為大規(guī)模代數(shù)系統(tǒng)設(shè)計(jì)新型高效的求解算法，并結(jié)合信息科學(xué)進(jìn)行交叉研究。在大規(guī)模代數(shù)系統(tǒng)新型Krylov子空間算法及其基礎(chǔ)理論、復(fù)雜電磁計(jì)算、圖像處理高性能數(shù)值方法、動(dòng)力系統(tǒng)與智能控制理論方面進(jìn)行了系統(tǒng)深入的研究，取得了具有創(chuàng)新性的成果，例如：解決了科學(xué)計(jì)算中的有關(guān)基礎(chǔ)或困難問(wèn)題；提出了Lanczos雙共軛A-標(biāo)準(zhǔn)正交短遞歸Krylov子空間迭代法BiCOR/CORS/BiCORSTAB方法、一種新的“二維雙連續(xù)投影(2D-DSPM)方法”等一系列高效算法；為求解復(fù)雜電磁問(wèn)題產(chǎn)生的復(fù)雜線性系統(tǒng)設(shè)計(jì)了高效算法與預(yù)條件技術(shù)；提出了一些新型高效的邊界處理、圖像復(fù)原方法，具有更快的計(jì)算速度和更好的復(fù)原質(zhì)量；將數(shù)值代數(shù)與特殊矩陣分析和神經(jīng)網(wǎng)絡(luò)交叉研究取得成果。

本項(xiàng)目聚焦于鋰電池管理系統(tǒng)在智能化監(jiān)測(cè)與預(yù)測(cè)中的關(guān)鍵痛點(diǎn)，尤其擬面向電池容量衰減預(yù)測(cè)、SOC/SOH估計(jì)不準(zhǔn)、電池剩余時(shí)間不準(zhǔn)確、MAP/SOP估算等方面。通過(guò)引入人工智能算法，構(gòu)建融合機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的電池狀態(tài)預(yù)測(cè)模型，擬實(shí)現(xiàn)高精度SOC（荷電狀態(tài)）與SOH（健康狀態(tài)）估計(jì)的優(yōu)化，提升電池管理系統(tǒng)的智能水平與安全性。 解決方案方面，項(xiàng)目基于實(shí)地檢測(cè)磷酸鐵鋰電池充放電數(shù)據(jù)構(gòu)建訓(xùn)練集，采用輕量級(jí)線性回歸模型及改進(jìn)型人工神經(jīng)網(wǎng)絡(luò)進(jìn)行建模優(yōu)化，并結(jié)合特征工程技術(shù)提高預(yù)測(cè)精度。同時(shí)，設(shè)計(jì)適用于邊緣計(jì)算的部署方案，使模型可在BMS嵌入式硬件平臺(tái)實(shí)時(shí)運(yùn)行，降低對(duì)計(jì)算資源的依賴(lài)。 在競(jìng)爭(zhēng)優(yōu)勢(shì)方面，項(xiàng)目成果具備算法輕量化、部署便捷、預(yù)測(cè)準(zhǔn)確度高、兼容性強(qiáng)等特點(diǎn)，特別適用于電力儲(chǔ)能、電動(dòng)汽車(chē)等對(duì)安全性和可靠性要求高的場(chǎng)景。相比傳統(tǒng)BMS方案，該AI算法可顯著提升電池使用效率與壽命，精準(zhǔn)估算SOC/SOH，降低維護(hù)成本。 目前項(xiàng)目成果已在合作企業(yè)內(nèi)部?jī)?chǔ)能設(shè)備中開(kāi)展應(yīng)用測(cè)試，初步反饋表明荷電狀態(tài)預(yù)測(cè)準(zhǔn)確度提升40%左右，電池健康度準(zhǔn)確度提升40%左右，系統(tǒng)響應(yīng)及時(shí)，具備較高實(shí)用性和推廣價(jià)值。專(zhuān)家評(píng)審一致認(rèn)為，該項(xiàng)目在智能電池管理系統(tǒng)方向具有較強(qiáng)的創(chuàng)新性和實(shí)際應(yīng)用前景。

北京體育大學(xué)沈燕飛科研團(tuán)隊(duì)使用人體姿態(tài)估計(jì)算法，對(duì)擊劍比賽過(guò)程中兩名選手的身體各環(huán)節(jié)和關(guān)節(jié)的運(yùn)動(dòng)進(jìn)行的智能識(shí)別。工手動(dòng)標(biāo)記數(shù)據(jù)等方法，更為高效，可應(yīng)用于海量體育視頻數(shù)據(jù)的分析和未來(lái)的體育大數(shù)據(jù)的構(gòu)建。

簡(jiǎn)介： 抗體藥物是生物制藥中復(fù)合增長(zhǎng)率最高的，2019年全球研究抗體市場(chǎng)規(guī)模為34億美元，預(yù)計(jì)在預(yù)測(cè)期內(nèi)復(fù)合年增長(zhǎng)率為6.2％。原研藥二次改造獲得成藥性更好的藥物分子（bio-better）是抗體和細(xì)胞因子藥物研發(fā)的突破口。人工智能技術(shù)廣泛應(yīng)用在靶點(diǎn)篩選、分子進(jìn)化、臨床各階段研究、產(chǎn)品上市后的活動(dòng)中。 我們開(kāi)發(fā)的智能抗體設(shè)計(jì)平臺(tái)，包括 抗體序列注釋分析、抗體翻譯后修飾位點(diǎn)的預(yù)測(cè)、抗原線性表位預(yù)測(cè)、抗體結(jié)構(gòu)的預(yù)測(cè)與優(yōu)化、 抗體-抗原相互作用的預(yù)測(cè)、抗體分子的設(shè)計(jì)與改造。高效的完成抗體親和力成熟、穩(wěn)定性?xún)?yōu)化和人源化改造等。  優(yōu)勢(shì)： 1、研發(fā)成本節(jié)約3-5倍，時(shí)間節(jié)省5倍，篩選成功率提升6倍 2、可以幫助指導(dǎo)、設(shè)計(jì)實(shí)驗(yàn)，減少消耗，加快速度，提高準(zhǔn)確率 3、計(jì)算方法已經(jīng)得到了實(shí)驗(yàn)從正、反兩方面的驗(yàn)證。 圖1：深度學(xué)習(xí)算法預(yù)測(cè)蛋白質(zhì)相互作用時(shí)界面氨基酸配對(duì):成功率72.1% 圖2：計(jì)算相互作用得到了實(shí)驗(yàn)從正、反兩方面的驗(yàn)證

抗體藥物是生物制藥中復(fù)合增長(zhǎng)率最高的，2019年全球研究抗體市場(chǎng)規(guī)模為34億美元，預(yù)計(jì)在預(yù)測(cè)期內(nèi)復(fù)合年增長(zhǎng)率為6.2％。原研藥二次改造獲得成藥性更好的藥物分子（bio-better）是抗體和細(xì)胞因子藥物研發(fā)的突破口。人工智能技術(shù)廣泛應(yīng)用在靶點(diǎn)篩選、分子進(jìn)化、臨床各階段研究、產(chǎn)品上市后的活動(dòng)中。我們開(kāi)發(fā)的智能抗體設(shè)計(jì)平臺(tái)，包括 抗體序列注釋分析、抗體翻譯后修飾位點(diǎn)的預(yù)測(cè)、抗原線性表位預(yù)測(cè)、抗體結(jié)構(gòu)的預(yù)測(cè)與優(yōu)化、 抗體-抗原相互作用的預(yù)測(cè)、抗體分子的設(shè)計(jì)與改造。高效的完成抗體親和力成熟、穩(wěn)定性?xún)?yōu)化和人源化改造等。 優(yōu)勢(shì)：1、研發(fā)成本節(jié)約3-5倍，時(shí)間節(jié)省5倍，篩選成功率提升6倍2、可以幫助指導(dǎo)、設(shè)計(jì)實(shí)驗(yàn)，減少消耗，加快速度，提高準(zhǔn)確率3、計(jì)算方法已經(jīng)得到了實(shí)驗(yàn)從正、反兩方面的驗(yàn)證。

技術(shù)分析(創(chuàng)新性、先進(jìn)性、獨(dú)占性)挖掘了蛋白質(zhì)分子結(jié)構(gòu)的幾何特征，開(kāi)發(fā)了新穎的優(yōu)化設(shè)計(jì)算法，準(zhǔn)確識(shí)別結(jié)合位點(diǎn)，準(zhǔn)備預(yù)測(cè)抗體結(jié)構(gòu)和抗體-抗原相互作用復(fù)合物結(jié)構(gòu)，可以顯著提高藥物設(shè)計(jì)效益。自主獨(dú)立開(kāi)發(fā)。已經(jīng)在國(guó)際競(jìng)賽中取得第一名的好成績(jī)，也應(yīng)用在生物和醫(yī)學(xué)實(shí)驗(yàn)中，算法和程序代碼完整。