新葡京娱乐场-大陆娱乐场开户注册

在串聯(lián)回路中，當(dāng)電弧或放電現(xiàn)象發(fā)生時(shí)，對電流進(jìn)行頻譜分析，根據(jù)電流 的頻譜特征變化來確定是否有電弧發(fā)生，提供預(yù)警信息或保護(hù)動(dòng)作。為了防止在 開關(guān)的瞬間或受到其他脈沖電流的干擾造成電弧故障檢測電路誤動(dòng)作，同時(shí)在頻譜分析的基礎(chǔ)上綜合電弧時(shí)間長短等其他特性作為電弧故障的判據(jù)。系統(tǒng)的硬件 部分包含電流檢測、濾波、故障特征提取等模塊。軟件部分包含信號(hào)采集、信號(hào) 處理、故障判別等模塊，并綜合時(shí)間等其他因素降低誤報(bào)率，提高檢測系統(tǒng)的可 靠性。在算法中，采用了人工智能算法以提高系統(tǒng)的適應(yīng)性。主要成果包

1、項(xiàng)目簡介 本項(xiàng)目在三維熒光光譜技術(shù)的基礎(chǔ)上，建立光譜數(shù)據(jù)矩陣計(jì)算模型和處理方 法，建立了基于熒光光譜和智能算法的食品安全檢測新技術(shù)。應(yīng)用于白酒檢測， 實(shí)現(xiàn)了白酒品種和年份酒年份的科學(xué)化、儀器化和智能化鑒別和測定；應(yīng)用于食 品添加劑檢測，實(shí)現(xiàn)了目標(biāo)物的種類和含量的方便、快捷、靈敏、準(zhǔn)確測定。 2、創(chuàng)新要點(diǎn) 本項(xiàng)目研發(fā)用于復(fù)雜混合物體系檢測的高分辨率熒光光譜技術(shù)，結(jié)合數(shù)學(xué)建 模方法和智能計(jì)算技術(shù)，以三維熒光光譜獲得更多信息，以三維數(shù)陣校正智能算 法進(jìn)行混合物光譜特征信息的提取和處理，在處理復(fù)雜混合物體系光譜信息方面 發(fā)揮優(yōu)勢，實(shí)現(xiàn)了以“數(shù)學(xué)分離”代替“化學(xué)分離”、以“計(jì)算識(shí)別”代替“人 工判別”，解決了復(fù)雜混合物熒光光譜特征指向問題，建立了新的食品安全檢測 技術(shù)。 3、效益分析 “白酒年份酒的熒光光譜檢測技術(shù)及鑒別系統(tǒng)”可實(shí)現(xiàn)對所建庫中不同品牌白 酒及不同年份白酒進(jìn)行準(zhǔn)確鑒別，可應(yīng)用于白酒企業(yè)的生產(chǎn)管理和年份白酒消 費(fèi)市場的監(jiān)督管理，將促進(jìn)我國白酒年份酒的產(chǎn)生和銷售的規(guī)范和發(fā)展，推動(dòng) 品牌白酒鑒別工作的技術(shù)進(jìn)步，為打擊假冒偽劣、保護(hù)名牌提供技術(shù)支持，具 有直接的經(jīng)濟(jì)效益和良好的社會(huì)效益。 4、推廣情況 建立的白酒熒光光譜檢測技術(shù)對“中國白酒 169 計(jì)劃”和“白酒 3C”計(jì)劃的 家白酒企業(yè)的產(chǎn)品進(jìn)行了應(yīng)用。在“山西杏花村汾酒廠股份有限公司”，本項(xiàng)目 成果已應(yīng)用于公司的生產(chǎn)管理和市場的監(jiān)督管理.本項(xiàng)目成果已在“無錫市凱得 靈糖果食品有限公司”得到應(yīng)用，應(yīng)用于公司生產(chǎn)原料和成品的檢測。為本公司 確保產(chǎn)品質(zhì)量，提供了有效的技術(shù)支持，促進(jìn)了產(chǎn)品質(zhì)量的穩(wěn)定和提高，應(yīng)用二 年多時(shí)間以來，糖果的產(chǎn)銷量有了顯著的增長

簡介： 1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫(yī)學(xué)CT圖像出發(fā)，搭建深度學(xué)習(xí)模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級(jí)聯(lián)分割網(wǎng)絡(luò)，從病人腹部的CT圖像中將胰腺器官分割出來。級(jí)聯(lián)分割網(wǎng)絡(luò)比之前的層級(jí)分割網(wǎng)絡(luò)結(jié)果提升10各點(diǎn)。之后建立多模態(tài)分類網(wǎng)絡(luò)，針對CT圖像的特性，將多切片多造影劑時(shí)期多區(qū)域的數(shù)據(jù)進(jìn)行融合，在胰腺腫物分類中取得了較好的結(jié)果。 層級(jí)分割模型示意圖  分類模型可視化熱圖   2、現(xiàn)有的乳腺癌腋窩淋巴轉(zhuǎn)移的醫(yī)療診斷措施為病理活檢，是一種過度醫(yī)療。基于乳腺鉬靶圖像的術(shù)前無創(chuàng)的乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測手段能夠有效避免過度醫(yī)療。我們構(gòu)造了基于乳腺鉬靶圖像的深度卷積神經(jīng)網(wǎng)絡(luò)模型來處理乳腺癌腋窩淋巴轉(zhuǎn)移問題。我們對乳腺鉬靶數(shù)據(jù)進(jìn)行了預(yù)處理和數(shù)據(jù)集的整理、劃分。我們構(gòu)造了三個(gè)不同的深度卷積神經(jīng)網(wǎng)絡(luò)，患病側(cè)單體位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)和雙側(cè)雙體位四視圖網(wǎng)絡(luò)。其中，患病側(cè)單體位網(wǎng)絡(luò)分為 CC 位網(wǎng)絡(luò)和 MLO 位網(wǎng)絡(luò)。在乳腺鉬靶數(shù)據(jù)的測試集上，患病側(cè) CC 位網(wǎng)絡(luò)、患病側(cè) MLO 位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)、雙側(cè)雙體位四視圖網(wǎng)絡(luò)的結(jié)果依次遞增。這表明了同時(shí)使用同一患者的四張鉬靶圖像的雙側(cè)雙體位四視圖網(wǎng)絡(luò)具有更好的預(yù)測效果，更適合乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測任務(wù)。對于雙側(cè)雙體位四視圖網(wǎng)絡(luò)，我們不僅使用了雙側(cè)測試集 1，還使用了額外的雙側(cè)測試集 2 進(jìn)行測試。 鉬靶乳腺圖像預(yù)處理   雙側(cè)雙體位深度學(xué)習(xí)網(wǎng)絡(luò)   優(yōu)勢：從客觀的醫(yī)學(xué)圖像數(shù)據(jù)出發(fā)，結(jié)果可重復(fù)，而且高效快捷，提高識(shí)別準(zhǔn)確率的同時(shí)，便于臨床推廣。  

1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫(yī)學(xué)CT圖像出發(fā)，搭建深度學(xué)習(xí)模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級(jí)聯(lián)分割網(wǎng)絡(luò)，從病人腹部的CT圖像中將胰腺器官分割出來。級(jí)聯(lián)分割網(wǎng)絡(luò)比之前的層級(jí)分割網(wǎng)絡(luò)結(jié)果提升10各點(diǎn)。之后建立多模態(tài)分類網(wǎng)絡(luò)，針對CT圖像的特性，將多切片多造影劑時(shí)期多區(qū)域的數(shù)據(jù)進(jìn)行融合，在胰腺腫物分類中取得了較好的結(jié)果。層級(jí)分割模型示意圖 分類模型可視化熱圖 2、現(xiàn)有的乳腺癌腋窩淋巴轉(zhuǎn)移的醫(yī)療診斷措施為病理活檢，是一種過度醫(yī)療。基于乳腺鉬靶圖像的術(shù)前無創(chuàng)的乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測手段能夠有效避免過度醫(yī)療。我們構(gòu)造了基于乳腺鉬靶圖像的深度卷積神經(jīng)網(wǎng)絡(luò)模型來處理乳腺癌腋窩淋巴轉(zhuǎn)移問題。我們對乳腺鉬靶數(shù)據(jù)進(jìn)行了預(yù)處理和數(shù)據(jù)集的整理、劃分。我們構(gòu)造了三個(gè)不同的深度卷積神經(jīng)網(wǎng)絡(luò)，患病側(cè)單體位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)和雙側(cè)雙體位四視圖網(wǎng)絡(luò)。其中，患病側(cè)單體位網(wǎng)絡(luò)分為 CC 位網(wǎng)絡(luò)和 MLO 位網(wǎng)絡(luò)。在乳腺鉬靶數(shù)據(jù)的測試集上，患病側(cè) CC 位網(wǎng)絡(luò)、患病側(cè) MLO 位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)、雙側(cè)雙體位四視圖網(wǎng)絡(luò)的結(jié)果依次遞增。這表明了同時(shí)使用同一患者的四張鉬靶圖像的雙側(cè)雙體位四視圖網(wǎng)絡(luò)具有更好的預(yù)測效果，更適合乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測任務(wù)。對于雙側(cè)雙體位四視圖網(wǎng)絡(luò)，我們不僅使用了雙側(cè)測試集 1，還使用了額外的雙側(cè)測試集 2 進(jìn)行測試。鉬靶乳腺圖像預(yù)處理 雙側(cè)雙體位深度學(xué)習(xí)網(wǎng)絡(luò) 優(yōu)勢：從客觀的醫(yī)學(xué)圖像數(shù)據(jù)出發(fā)，結(jié)果可重復(fù)，而且高效快捷，提高識(shí)別準(zhǔn)確率的同時(shí)，便于臨床推廣。

本發(fā)明公開了一種智能精準(zhǔn)調(diào)平支座，包括測量三角架、激光 發(fā)射器、豎向方向驅(qū)動(dòng)控制單元、水平方向液壓控制單元、頂板和計(jì) 算機(jī)，豎向方向驅(qū)動(dòng)控制單元包括第二支撐板、第三支撐板、電機(jī)、 萬向輪組，水平方向液壓控制單元包括液壓水平控制系統(tǒng)，所述頂板 通過所述多個(gè)液壓缸的活塞桿共同支撐，其上表面和下表面平行，并 且其上表面設(shè)置有第二激光接收器；本發(fā)明采用機(jī)械控制原理設(shè)計(jì)和 結(jié)構(gòu)設(shè)計(jì)，使得這類儀器的自動(dòng)調(diào)平效率更快，調(diào)平精度越高，儀器 的結(jié)構(gòu)更加合理緊湊，且通過自動(dòng)控制和檢核豎直和水平兩個(gè)方向， 能同時(shí)進(jìn)行豎直

針對大規(guī)模的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，在理論上研究網(wǎng)絡(luò)節(jié)點(diǎn)之間協(xié)同規(guī)則，研究網(wǎng)絡(luò)結(jié)構(gòu)與系統(tǒng)性能之間的關(guān)系，構(gòu)建實(shí)現(xiàn)網(wǎng)絡(luò)性能指標(biāo)最優(yōu)化的分布式算法。其應(yīng)用主要包括大規(guī)模移動(dòng)通信網(wǎng)絡(luò)中信道資源的最優(yōu)分配問題、通信基站的最優(yōu)覆蓋問題等。

與傳統(tǒng)圖片級(jí)分類標(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、專家級(jí)評(píng)估、多路徑診療建議等多個(gè)臨床場景。不僅在回顧性數(shù)據(jù)集中表現(xiàn)出眼科專家級(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)用揭開神秘的面紗，成為一個(gè)接地氣的“醫(yī)生”。

本軟件的主要用途是針對玻璃切割的場景提出求解多約束的矩形切割問題的分層智能搜索算法，為玻璃切割方案提供全局優(yōu)化，實(shí)現(xiàn)原料利用率的最大化，在節(jié)約資源的同時(shí)提高產(chǎn)量。 一、項(xiàng)目分類 關(guān)鍵核心技術(shù)突破 二、成果簡介 切割問題和裝填問題在學(xué)術(shù)界屬于一類經(jīng)典的NP 難問題，它們有著眾多的變種，例如：一維的背包問題，二維的矩形切割問題，三維的裝箱問題等。其中以二維的場景應(yīng)用最為廣泛，相關(guān)求解算法可以作為玻璃、板材、管材、服裝切割套料智能制造的算法內(nèi)核。 本軟件的主要用途是針對玻璃切割的場景提出求解多約束的矩形切割問題的分層智能搜索算法，為玻璃切割方案提供全局優(yōu)化，實(shí)現(xiàn)原料利用率的最大化，在節(jié)約資源的同時(shí)提高產(chǎn)量。 對于玻璃切割問題約束復(fù)雜的特點(diǎn)，本軟件有針對性的提出了一種局部解的表示方法，它使算法的分布式部署成為可能，并且大大減少了程序運(yùn)行時(shí)的內(nèi)存開銷。為了提高算法的效率，軟件采用了貪心隨機(jī)的基本搜索框架，并結(jié)合問題特點(diǎn)，將搜索過程分為多層嵌套進(jìn)行，以提高搜索的靈活性和精確性。