专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果6个,建议您升级VIP下载更多相关专利
  • [发明专利]浓度与组分含量协同优化的稀土元素组分含量预测方法-CN202211687100.7有效
  • 张水平;张奇涵;王碧 - 江西理工大学
  • 2022-12-27 - 2023-10-24 - G06T7/00
  • 本发明公开了一种浓度与组分含量协同优化的稀土元素组分含量预测方法,包括:基于稀土萃取流程获取检测点;基于检测点获取稀土混合萃取溶液图像数据;构建预测模型,将稀土混合萃取溶液图像数据输入至预测模型中进行训练,生成优化模型;基于优化模型对稀土元素组分含量进行预测,生成预测结果。本发明首先构建多任务深度神经网络,提高模型的泛化能力和鲁棒性。其次,提出基于多目标优化算法的混合萃取溶液中各稀土元素的组分含量与浓度预测方法,通过搜索帕累托最优以提升各任务的预测精度。经多组对比实验表明,该方法在多元素组分含量或多元素组分含量与浓度同时训练时性能最佳,能满足稀土元素组分含量在线检测的精确性和实时性。
  • 浓度组分含量协同优化稀土元素预测方法
  • [发明专利]基于深度神经网络的稀土元素组分含量预测方法及系统-CN202210900720.8有效
  • 张水平;张奇涵;王碧;钟志雄 - 江西理工大学
  • 2022-07-28 - 2023-07-18 - G16C20/30
  • 本发明公开了一种基于深度神经网络的稀土元素组分含量预测方法及系统,包括:获取同等外界条件下具备颜色特征的稀土元素混合溶液图像数据集;根据所述稀土元素混合溶液图像数据集以及对应的稀土元素组分含量真实值,构建CNN模型,根据所述CNN模型卷积层、池化层和全连接层节点的不同,构建轻量化VGG模型;根据所述轻量化VGG模型提取图像抽象表征,输出稀土元素组分含量预测值;根据所述稀土元素组分含量预测值与所述稀土元素组分含量真实值通过L1Loss损失函数构建深度神经网络回归模型,获取网络权值并进行迭代训练获取最优网络权值,输出稀土元素混合溶液的稀土元素组分含量。本发明成本较低、精度较高、速度较快。
  • 基于深度神经网络稀土元素组分含量预测方法系统
  • [发明专利]天然产物分子用于碳纳米管的分散和分离-CN202111015177.5在审
  • 李彦;吕敏;王孟;何岳灿;张则尧;张莉;李维红;张奇涵 - 北京大学
  • 2021-08-31 - 2023-03-03 - C01B32/174
  • 本发明提供了一种碳纳米管分散液及其制备方法,以及用于提纯不同性质碳纳米管的用途,所述碳纳米管分散液以天然产物作为分散剂,天然产物作为分散剂不仅降低了分散成本,还适用于不同来源/管径单壁碳纳米管的分散和分离,且分散得到的单壁碳纳米管分散液稳定性好,长期储存后单壁碳纳米管依然可以保持单分散的状态,使用天然产物通过分离单壁碳纳米管分散液还可分离得到特定性质的单壁碳纳米管,分离得到的特定性质的单壁碳纳米管纯度高,性质均一,特别是分离得到的半导体性单壁碳纳米管的纯度高,在电学和光学器件中具有良好的应用前景。
  • 天然产物分子用于纳米分散分离
  • [实用新型]防汗湿背包-CN201320683115.6有效
  • 张奇涵 - 张奇涵
  • 2013-10-27 - 2014-08-27 - A45C3/02
  • 本实用新型涉及日用领域,尤其涉及防汗湿背包。包含背包包体(2),所述背包包体(2)包含表面侧和里面侧,所述里面侧的一边有支架隔空层(1),所述支架隔空层(1)中部有空隙,所述背包包体(2)包含第一背包体(4)和第二背包体(5),第一背包体(4)和第二背包体(5)各自内部有装物空间,第一背包体(4)和第二背包体(5)之间通过锁扣和锁柱连接。采用如上技术方案的本实用新型,相对于现有技术有如下有益效果:能够分开和组合使用,适应不同的装书需求,支架隔空层使得空气可以流通,其内部的风扇更是可以加快空气流动,进而防止人背部温度过高。
  • 汗湿背包

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top