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401个,建议您升级VIP下载更多相关专利
  • [发明专利]3D打印水泥制品层间粘结强度的测试方法、载具及装置-CN202010046557.4在审
  • 戴建国;王琰帅;董鹏 - 香港理工大学深圳研究院
  • 2020-01-16 - 2021-07-16 - G01N19/04
  • 本发明提供了一种3D打印水泥制品层间粘结强度的测试方法,包括以下步骤:制作3D打印水泥制品的测试试件;向测试试件施加压力使测试试件在其层间间隙位置处劈裂;获取使测试试件劈裂的最大压力值和测试试件的劈裂截面尺寸,根据最大压力值和劈裂截面尺寸获得3D打印水泥制品的层间粘结强度。本发明还提供了一种3D打印水泥制品层间粘结强度的测试载具及装置,该载具包括第一加压板,第二加压板及加载压头,第二加压板用于与第一加压板相对运动以通过第一劈裂件和第二劈裂件对测试试件施加压力。本发明提供的3D打印水泥制品层间粘结强度的测试方法、载具及装置能够有效用于3D打印水泥制品层间粘结强度的测试而且测试结果稳定精确。
  • 打印水泥制品粘结强度测试方法装置
  • [发明专利]一种傅里叶锁模激光器-CN201910140365.7有效
  • 李锋;黄冬梅;卫炳江;尚超 - 香港理工大学深圳研究院
  • 2019-02-21 - 2021-07-13 - H01S3/10
  • 本发明涉及激光技术领域,提供了一种傅里叶锁模激光器,包括沿光路设置的滤波模块、光放大器、第一光分束器、光纤延迟线以及光调制模块,滤波模块包括扫频滤波器和滤波控制单元,滤波控制单元与扫频滤波器连接;光调制模块包括光调制单元和调制控制单元,调制控制单元与光调制单元连接;光调制单元用于对光信号进行移频补偿,调制控制单元用于控制光调制单元的移频量;通过调制控制单元对光调制单元进行精确和灵活控制,使得光调制单元可以补偿激光腔内的频率偏移量,从而可以有效消除激光腔内的频率偏移,改善激光器的相干性。
  • 一种傅里叶锁模激光器
  • [发明专利]3D打印材料及其制备方法-CN202010018709.X在审
  • 戴建国;王琰帅;董鹏 - 香港理工大学深圳研究院
  • 2020-01-08 - 2021-07-09 - C04B30/02
  • 本发明属于材料技术领域,具体涉及一种3D打印材料及其制备方法。本发明3D打印材料包括固体废弃物和激发剂,且固体废弃物与激发剂的质量比为50:(1‑10)。本发明利用固体废弃物作为3D打印材料的原料,在废物利用、变废为宝的同时,可降低普通硅酸盐水泥的使用量,减少能源消耗、碳排放并节约成本,有利于环境保护;且本发明3D打印材料具有触变性能,打印硬化后具有较高的机械强度和耐热性能,具有良好的应用前景。
  • 打印材料及其制备方法
  • [发明专利]滑坡提取方法、滑坡提取系统及终端-CN201910390121.4有效
  • 史文中;张敏 - 香港理工大学深圳研究院
  • 2019-05-10 - 2021-07-09 - G06T7/10
  • 本申请适用于遥感测控领域,提供一种滑坡提取方法、滑坡提取系统及终端,其中方法包括:分别获取待测地区的当前时期和历史时期中至少一个遥感影像,及所述待测地区的数字高程模型DEM;根据所述历史时期中至少一个遥感影像和对应的历史滑坡真值,训练深度卷积神经网络模型;基于所述当前时期中至少一个遥感影像,通过训练后的所述深度卷积神经网络模型进行滑坡提取,得到初步提取结果;根据所述初步提取结果及所述DEM,统计滑坡属性信息,获取包含所述滑坡属性信息的滑坡提取结果,提高滑坡提取的可靠性和精度,提升滑坡提取的速度和自动化程度。
  • 滑坡提取方法系统终端
  • [发明专利]一种基于深度学习的单类目标检测方法、设备及存储介质-CN202010772051.1有效
  • 史文中;张敏 - 香港理工大学深圳研究院
  • 2020-08-04 - 2021-06-29 - G06K9/00
  • 本发明提出了一种基于深度学习的单类目标检测方法、设备及存储介质,通过获取待测地区的第一时期和第二时期感影像数据,基于两时期遥感影像数据,通过已训练的深度多示例变化检测模型,得到与输入对应的门控制器信息和注意力权重信息;根据所述门控制器信息,得到目标类别物体的场景级变化检测信息;根据所述注意力权重信息和门控制器信息,使用轮廓提取方法,得到目标类别物体的变化实例图。本实施例提供的方法,由于使用已训练的深度多示例变化检测模型从两时期遥感影像中学习地物的深度特征,并使用多示例学习框架通过场景级标注样本对网络进行训练,无需要像素级标注样本,提高了单类目标检测的效率,减少了人工资源的消耗。
  • 一种基于深度学习类目检测方法设备存储介质
  • [发明专利]分布式深度学习方法、装置、参数服务器及主工作节点-CN201911352575.9在审
  • 郭嵩;周祺华;詹玉峰 - 香港理工大学深圳研究院
  • 2019-12-25 - 2021-06-25 - G06N3/08
  • 本申请属于计算机技术领域,提供了一种分布式深度学习方法、装置、参数服务器及主工作节点。方法包括接收多个数据运算组中主工作节点发送的梯度向量集;其中,每个主工作节点发送的梯度向量集包括该主工作节点所在数据运算组中所有工作节点的梯度向量;根据多个梯度向量集对预设深度学习模型的全局模型参数进行更新;将更新后的全局模型参数下发至各主工作节点,以使每个主工作节点控制其所在数据运算组中所有工作节点根据更新后的全局模型参数进行本地的模型训练。本申请实施例的分布式深度学习方法以数据运算组为粒度进行数据以及任务的调度,减少了每次迭代中与参数服务器同步的数据量,降低通信开销且提高了各工作节点的资源利用率。
  • 分布式深度学习方法装置参数服务器工作节点
  • [发明专利]非均匀锂离子电池负极片及锂离子电池-CN201810687494.3有效
  • 姚海民;郭镇斌;高阳 - 香港理工大学深圳研究院
  • 2018-06-28 - 2021-06-25 - H01M4/134
  • 本发明涉及锂离子电池技术领域,具体提供一种非均匀锂离子电池负极片、锂离子电池。所述非均匀锂离子电池负极片,包括负极集流体以及附着于所述负极集流体表面的负极活性材料层,所述负极活性材料层中含有在锂化和脱锂过程中体积发生变化的合金型负极活性材料,且自所述负极集流体表面向外,所述合金型负极活性材料的含量逐渐增多。本发明的负极片结构能够有效减轻锂化和脱锂过程中合金型负极活性材料巨大的体积变化对电池性能的负面影响,从而改善锂离子电池的电化学性能。
  • 均匀锂离子电池负极
  • [发明专利]一种重组质粒及其构建方法、重组影像系统与应用-CN202110259533.1在审
  • 林亮廷;陈如玉;刘娴 - 香港理工大学深圳研究院
  • 2021-03-10 - 2021-06-22 - C12N15/85
  • 本发明公开一种重组质粒及其构建方法、重组影像系统与应用。本发明针对MSI1/AGO2的蛋白‑蛋白交互作用,就生物光学‑萤光共振能量转移技术与萤光素酶分离互补系统在定性与定量上的可靠度、以及萤光素酶分离互补系统的优化进行探讨。经过测试不同长度与弹性/电荷分布的连接肽(linker peptide),成功建构出一组较萤火虫萤光素酶(fireflyluciferase,FLuc)亮度高上千倍的桡脚类萤光素酶(Gaussia luciferase,GLuc)的重组影像系统;同时,萤火虫萤光素酶将作为定量分析时的标准化讯号。本发明将主要应用于临床前的细胞实验与动物实验,能够即时并且非侵入性地测量并定量脑肿瘤的治疗效果。
  • 一种重组质粒及其构建方法影像系统应用
  • [发明专利]一种基于机器异构性的联邦学习方法-CN202110279647.2在审
  • 郭嵩;吴非杰;王号召 - 香港理工大学深圳研究院
  • 2021-03-16 - 2021-06-18 - G06N20/20
  • 本发明公开了一种基于机器异构性的联邦学习方法,方法包括:接收服务器统一发送的初始模型、全局梯度和全局模型参数;根据初始模型、全局梯度和全局模型参数,得到预估梯度校准值;其中,预估梯度校准值用于表征各边缘设备的本地梯度与服务器的全局梯度的偏差以及各边缘设备因本地更新次数不同而产生的偏差;基于预估梯度校准值,得到目标本地梯度和目标本地模型参数;将所述目标本地梯度和所述目标本地模型参数发送至所述服务器,以使所述服务器生成更新后的全局梯度和全局模型参数。本发明实施例通过对各边缘设备的预估梯度校准技术来实现移除各边缘设备与服务器的偏差,同时补偿本地更新次数不同导致的偏差,从而提高联邦学习的训练效率。
  • 一种基于机器异构性联邦学习方法

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