|
钻瓜专利网为您找到相关结果 11个,建议您 升级VIP下载更多相关专利
- [发明专利]智能中药房系统-CN202211452781.9在审
-
李鲁群;陶霜霜;胡天乐;张慎文;许崇海
-
上海师范大学
-
2022-11-21
-
2023-02-03
-
B65G1/06
- 本发明公开智能中药房系统,包括自动发药机、皮带输送机、竖向送药机构、计数组件和触摸屏控制器,安装在中药房内部,仅漏出取药防护门,从而通过触摸屏控制器控制对应的微型电机、皮带输送机、驱动电机工作,使得对应的微型电机带动螺旋弹簧旋转,将药剂盒推出网格储物架,落至皮带输送机上,并通过皮带输送机传送至第三镂空托架上,驱动电机工作时,就会带动四个链轮和链条旋转,从而带动第二镂空托架移动,使得第二镂空托架分别穿过第三镂空托架和第一镂空托架,并将第三镂空托架上的药剂盒运送至第一镂空托架上,从而方便患者或者家属取药,避免造成患者或者家属扭伤腰部,也避免患者或者家属直接接触医护人员,造成病毒感染。
- 智能中药房系统
- [发明专利]一种基于可视化的卷积神经网络的方法-CN202211136783.7在审
-
许崇海;李鲁群;陶霜霜;张慎文;胡天乐
-
上海师范大学
-
2022-09-19
-
2022-12-13
-
G06N3/04
- 本发明涉及图像处理技术领域,且公开了一种基于可视化的卷积神经网络的方法,包括以下步骤:S1、首先通过预处理,将传统单一输出的卷积神经网络模型转换为拥有中间层输出的TensorSpace适配模型;S2、使用TensorSpace来对经过预处理的模型可视化,创建一个层对象堆栈,然后模型中根据设计顺序,插入不同的层对象。该基于可视化的卷积神经网络的方法,通过从理解和学习卷积神经网络的目的出发,设计一个轻量级卷积神经网络仿真实验,同时可视化实验整个过程具有高度的互动性和趣味性,利用训练好的神经网络模型,清楚高效的展示模型预测时从数据预处理到中间层数据渲染的整个过程、卷积神经网络的结构、卷积神经网络中数据流动和关联的过程。
- 一种基于可视化卷积神经网络方法
- [发明专利]一种无线网络可视化云监测平台-CN202111035121.6在审
-
李鲁群;李幸睿;常梦磊;罗述翔
-
上海师范大学
-
2021-09-05
-
2021-12-10
-
H04W12/121
- 本发明涉及监测平台技术领域,且公开了一种无线网络可视化云监测平台,包括系统硬件和系统软件,其中系统硬件包括树莓派、AirPcap、屏幕、AP定位器、AP定位服务器和AP定位模块;所述树莓派是尺寸仅有信用卡大小的一个小型电脑,其作为运行搭载平台;所述AirPcap作为适配器,AirPcap将捕获到的数据包传送至Wireshark平台,AirPcap主要功能是无线网络采集,通过屏幕控制采集的过程和展示采集的情况,利用树莓派将数据包通过MQTT协议传输到服务器;本发明中,使用AirPcap、树莓派和wireshark实现了无线网络数据包的采集;使用scapy对采集数据包进行初步的处理和分析;使用MQTT协议实现树莓派、手机端、云服务器的通信;根据数据包中解析的IP地址和百度API实现收发城市定位。
- 一种无线网络可视化监测平台
- [发明专利]一种基于DDAE-CATBOOST的DDoS攻击流量分类方法-CN202111035122.0在审
-
李鲁群;李幸睿;常梦磊;罗述翔
-
上海师范大学
-
2021-09-05
-
2021-12-10
-
G06K9/62
- 本发明涉及DDoS攻击流量检测技术领域,且公开了一种基于DDAE‑CATBOOST的DDoS攻击流量分类方法,包括DDAE‑CATBOOST模型,所述DDAE‑CATBOOST模型分为两个部分,分别是基于深度去噪自编码的DDoS特征降维算法和基于贝叶斯优化的CatBoost的DDoS流量分类方法,通过选择使用改进的自动编码器网络对特征进行降维,并重新生成新的特征样本集;通过DDAE‑CATBOOST可以实现自动从数据集中提取特征,并将攻击流量区分为正常流量、DDoS反射基攻击和DDoS探索基攻击,相较于现有技术,DDAE‑CATBOOST利用多达20个特征维度对攻击类别进行分析,并对DDoS的十余种攻击类别按照攻击方式进行区分,更方便管理人员采取针对性的防御措施,并且通过对比实验表明,DDAE‑CATBOOST能够有效地对DDoS攻击流量进行分类,且准确率较高,使用简单。
- 一种基于ddaecatboostddos攻击流量分类方法
- [发明专利]一种基于聚类算法的物流网点的选取方法-CN201610905547.5在审
-
李鲁群;姜鹏;林晓
-
上海师范大学
-
2016-10-18
-
2018-04-24
-
G06Q10/04
- 本发明提出了一种基于聚类算法的物流网点的选取方法,首先选取需要分析的各个节点,通过计算各个节点之间欧式距离,对多组欧式距离进行比较分析找到某片区域的聚类中心,也就是物流网点的待定点,最后使用聚类算法多次迭代最终确定最合理的物流网点。本发明的优点通过使用简单的基于欧式距离的聚类算法来找到最佳选取网点,此算法实现简单、操作容易;通过更加合理的方法选取更加合适的网点,降低运输成本,为客户提供更优质的服务;现有的在选取物流网点时针对范围较小、有一定的局限性、存在较多的主观性和随机性。此方法不同于现有的物流网点的选取方式,其适用范围较广、有较小的局限性,更加客观合理选取物流网点。
- 一种基于算法物流网点选取方法
|