国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動(dòng)滑塊完成拼圖
首頁(yè) 專(zhuān)利交易 科技果 科技人才 科技服務(wù) 國(guó)際服務(wù) 商標(biāo)交易 會(huì)員權(quán)益 IP管家助手 需求市場(chǎng) 關(guān)于龍圖騰
 /  免費(fèi)注冊(cè)
到頂部 到底部
清空 搜索
  • 我要求購(gòu)
  • 我要出售
最新專(zhuān)利技術(shù)
  • 本發(fā)明涉及物品推薦技術(shù)領(lǐng)域，具體是涉及一種基于文本的推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。本發(fā)明對(duì)用戶(hù)在目標(biāo)領(lǐng)域產(chǎn)生的交互序列應(yīng)用文本編碼器和語(yǔ)義意圖編碼器，得到語(yǔ)義意圖；對(duì)該交互序列再應(yīng)用物品編碼器和行為意圖編碼器，得到行為意圖。最后根據(jù)語(yǔ)義意...
  • 本發(fā)明提出了基于層次門(mén)控和判別網(wǎng)絡(luò)的推薦系統(tǒng)評(píng)分預(yù)測(cè)方法及系統(tǒng)，涉及推薦系統(tǒng)技術(shù)領(lǐng)域，針對(duì)的問(wèn)題是：現(xiàn)有技術(shù)中未考慮無(wú)關(guān)評(píng)論的噪聲影響，未捕捉用戶(hù)?項(xiàng)目間的復(fù)雜性和層次性，同時(shí)缺乏監(jiān)督信號(hào)，評(píng)分預(yù)測(cè)模型準(zhǔn)確性差。該方法獲取推薦系統(tǒng)信息；利用...
  • 本發(fā)明公開(kāi)了一種地?zé)醿?chǔ)量的動(dòng)態(tài)計(jì)算方法，屬于地?zé)醿?chǔ)量估算技術(shù)領(lǐng)域，能夠解決現(xiàn)有計(jì)算方式無(wú)法準(zhǔn)確反映地?zé)醿?chǔ)層的復(fù)雜動(dòng)態(tài)特性，導(dǎo)致儲(chǔ)量計(jì)算結(jié)果與實(shí)際情況誤差較大的問(wèn)題。所述方法包括：S1、確定目標(biāo)區(qū)域在目標(biāo)深度處的當(dāng)前熱儲(chǔ)溫度，并根據(jù)當(dāng)前熱儲(chǔ)溫...
  • 本發(fā)明涉及基坑支護(hù)力學(xué)分析技術(shù)領(lǐng)域，提供了一種自然放坡和土釘墻支護(hù)中基坑位移估算方法及系統(tǒng)，方法包括以下步驟：根據(jù)指定開(kāi)挖工況，確定基坑深度 2025-06-17
  • 本發(fā)明公開(kāi)了一種基于大數(shù)據(jù)的質(zhì)量評(píng)價(jià)信息生成方法及系統(tǒng)，包括采集預(yù)設(shè)產(chǎn)品的服務(wù)數(shù)據(jù)和測(cè)試數(shù)據(jù)，對(duì)所述服務(wù)數(shù)據(jù)和所述測(cè)試數(shù)據(jù)進(jìn)行預(yù)處理；對(duì)所述服務(wù)數(shù)據(jù)進(jìn)行有效性篩選獲得有效數(shù)據(jù)，通過(guò)所述有效數(shù)據(jù)獲得質(zhì)量數(shù)據(jù)；所述質(zhì)量數(shù)據(jù)包括第一質(zhì)量和第二質(zhì)量...
  • 本發(fā)明屬于測(cè)量和數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及基于自適應(yīng)變徑識(shí)別算法的復(fù)合地基承載力快速檢測(cè)系統(tǒng)，所述系統(tǒng)包括：分布式光纖傳感陣列、地基應(yīng)變特征提取部分、地基動(dòng)態(tài)耦合計(jì)算部分和承載力計(jì)算部分；所述分布式傳感陣列包括設(shè)置于地基的多個(gè)按照陣列排列的...
  • 本發(fā)明公開(kāi)了基于擴(kuò)展長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的海上風(fēng)電功率預(yù)測(cè)方法，涉及可再生能源預(yù)測(cè)技術(shù)領(lǐng)域，包括以下步驟：S1、從原始風(fēng)電數(shù)據(jù)中提取趨勢(shì)性和季節(jié)性成分；S2、通過(guò)構(gòu)建擴(kuò)展長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)對(duì)提取的趨勢(shì)性和季節(jié)性成分進(jìn)行預(yù)測(cè)；S3、集成不同組合...
  • 本發(fā)明涉及大模型降維技術(shù)領(lǐng)域。本發(fā)明涉及一種基于同態(tài)合并的源代碼安全檢測(cè)大模型降維方法。其包括以下步驟：S1、從開(kāi)發(fā)環(huán)境中收集源代碼數(shù)據(jù)，同時(shí)獲取計(jì)算機(jī)的性能數(shù)據(jù)；S2、對(duì)源代碼數(shù)據(jù)進(jìn)行數(shù)據(jù)特征提取分析，并根據(jù)分析結(jié)果以數(shù)據(jù)特征對(duì)源代碼數(shù)據(jù)...
  • 本發(fā)明公開(kāi)了一種面向工業(yè)互聯(lián)網(wǎng)的設(shè)備指紋提取方法和系統(tǒng)，所述方法包括：采集數(shù)據(jù)；生成屬性特征子集；流量數(shù)據(jù)預(yù)處理；特征提取；生成融合特征向量；輸出所述工業(yè)互聯(lián)網(wǎng)設(shè)備的設(shè)備類(lèi)別。本發(fā)明實(shí)現(xiàn)了將設(shè)備屬性特征和流量特征有效融合，有效提高了設(shè)備的身...
  • 本發(fā)明提供一種環(huán)境監(jiān)測(cè)數(shù)據(jù)異常檢測(cè)方法、介質(zhì)及系統(tǒng)，屬于電數(shù)字?jǐn)?shù)據(jù)處理技術(shù)領(lǐng)域，本發(fā)明首先構(gòu)建環(huán)境監(jiān)測(cè)數(shù)據(jù)原始矩陣并進(jìn)行時(shí)間序列分段，通過(guò)矩陣分解獲取規(guī)律矩陣與異常矩陣，繼而計(jì)算環(huán)境參數(shù)的歷史均值、歷史標(biāo)準(zhǔn)差、空間特征和時(shí)間特征，基于這些特...
  • 本公開(kāi)涉及互感器在線監(jiān)測(cè)技術(shù)領(lǐng)域，提供了一種寬頻互感器誤差預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)，包括：首先獲取寬頻互感器的歷史影響參量數(shù)據(jù)集；其次，基于極端隨機(jī)樹(shù)算法和歷史影響參量數(shù)據(jù)集對(duì)多個(gè)影響參量進(jìn)行篩選，得到目標(biāo)影響參量；并基于目標(biāo)影響參量和歷...
  • 本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的匹克球運(yùn)動(dòng)損傷預(yù)測(cè)方法，屬于運(yùn)動(dòng)損傷預(yù)測(cè)技術(shù)領(lǐng)域，通過(guò)采集匹克球運(yùn)動(dòng)員的歷史運(yùn)動(dòng)數(shù)據(jù)以及歷史運(yùn)動(dòng)數(shù)據(jù)對(duì)應(yīng)的損傷類(lèi)型構(gòu)建深度訓(xùn)練樣本數(shù)據(jù)，然后利用深度學(xué)習(xí)模型對(duì)深度訓(xùn)練樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)之后，從而可以利用深度學(xué)習(xí)技...
  • 本發(fā)明屬于單細(xì)胞多組學(xué)數(shù)據(jù)分析技術(shù)領(lǐng)域，具體涉及基于跨組學(xué)注意力融合的單細(xì)胞多組學(xué)聚類(lèi)方法、系統(tǒng)，通過(guò)自注意力機(jī)制和跨組學(xué)注意力機(jī)制實(shí)現(xiàn)了多組學(xué)數(shù)據(jù)的動(dòng)態(tài)交互，引入深度學(xué)習(xí)門(mén)控機(jī)制，自適應(yīng)調(diào)整特征選擇和動(dòng)態(tài)特征融合，能夠靈活應(yīng)對(duì)不同細(xì)胞類(lèi)型...
  • 本發(fā)明涉及故障診斷技術(shù)領(lǐng)域，公開(kāi)了一種溫度傳感器故障診斷方法及系統(tǒng)，其中一種溫度傳感器故障診斷方法，包括以下步驟：處理工業(yè)爐多源傳感數(shù)據(jù)，獲得標(biāo)準(zhǔn)化多物理場(chǎng)特征數(shù)據(jù)集；處理所述標(biāo)準(zhǔn)化的多物理場(chǎng)特征數(shù)據(jù)集，獲得多物理場(chǎng)耦合特征向量；處理所述多...
  • 本發(fā)明公開(kāi)了基于智能校驗(yàn)的電費(fèi)異常差錯(cuò)處理方法及系統(tǒng)，涉及電力計(jì)費(fèi)技術(shù)領(lǐng)域，包括：獲取電費(fèi)異常第一數(shù)據(jù)，基于神經(jīng)網(wǎng)絡(luò)算法對(duì)電費(fèi)計(jì)算進(jìn)行異常檢測(cè)，所述電費(fèi)異常第一數(shù)據(jù)包括電價(jià)特征、力調(diào)標(biāo)準(zhǔn)特征和定比特征；電費(fèi)計(jì)算異常時(shí)，基于潮流計(jì)算和能量平衡...
  • 本發(fā)明屬于路面狀況數(shù)據(jù)監(jiān)測(cè)技術(shù)領(lǐng)域，具體涉及一種基于數(shù)據(jù)驅(qū)動(dòng)的路面養(yǎng)護(hù)與狀況數(shù)據(jù)異常值綜合識(shí)別方法。該方法使用正常數(shù)據(jù)集分別訓(xùn)練基于人工神經(jīng)網(wǎng)絡(luò)的養(yǎng)護(hù)措施概率預(yù)測(cè)模型和基于貝葉斯神經(jīng)網(wǎng)絡(luò)的路面狀況預(yù)測(cè)模型；先利用訓(xùn)練好的基于人工神經(jīng)網(wǎng)絡(luò)的養(yǎng)...
  • 本發(fā)明涉及異常檢測(cè)技術(shù)領(lǐng)域，具體為一種基于規(guī)則引擎的量測(cè)異常數(shù)據(jù)檢測(cè)方法及系統(tǒng)，包括以下步驟：基于量測(cè)數(shù)據(jù)包的來(lái)源點(diǎn)位編號(hào)、傳輸鏈路編號(hào)和實(shí)時(shí)狀態(tài)碼，提取傳輸路徑和時(shí)間戳序列，比對(duì)數(shù)據(jù)流向路徑和預(yù)設(shè)異常流向，識(shí)別風(fēng)險(xiǎn)路徑擬合度超過(guò)預(yù)設(shè)閾值的...
  • 本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其是涉及一種基于深度學(xué)習(xí)的多源目標(biāo)軌跡融合方法及系統(tǒng)。包括構(gòu)建包含雷達(dá)回波數(shù)據(jù)、衛(wèi)星遙測(cè)數(shù)據(jù)及真值軌跡數(shù)據(jù)的時(shí)空對(duì)齊訓(xùn)練集；設(shè)計(jì)多通道深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)，包括雷達(dá)回波數(shù)據(jù)特征提取通道、衛(wèi)星遙測(cè)數(shù)據(jù)特征提取通道，通...
  • 本發(fā)明涉及遙感衛(wèi)星技術(shù)領(lǐng)域，具體為一種考慮對(duì)地觀測(cè)載荷成像模式差異性的目標(biāo)聚合方法，包括以下步驟：S1：判斷多個(gè)點(diǎn)目標(biāo)觀測(cè)是否具備聚合觀測(cè)條件；S2：在具備聚合觀測(cè)條件的情況下，向資源調(diào)度系統(tǒng)提供初始化的任務(wù)輸入，通過(guò)事前聚合算法生成聚合方...
  • 本發(fā)明提供一種基于圖神經(jīng)網(wǎng)絡(luò)的容器鏡像依賴(lài)漏洞傳播分析方法及裝置，通過(guò)利用目標(biāo)神經(jīng)網(wǎng)絡(luò)基于容器鏡像中的軟件包以及軟件包之間的依賴(lài)關(guān)系構(gòu)建依賴(lài)關(guān)系圖，并基于目標(biāo)學(xué)習(xí)參數(shù)、依賴(lài)關(guān)系圖中各節(jié)點(diǎn)的節(jié)點(diǎn)特征以及邊特征動(dòng)態(tài)地更新各節(jié)點(diǎn)的節(jié)點(diǎn)特征，使得節(jié)...
首頁(yè) 上一頁(yè) 17 下一頁(yè)
技術(shù)分類(lèi)
主站蜘蛛池模板： 佛冈县| 兴安盟| 洛宁县| 峨眉山市| 西盟| 探索| 淄博市| 获嘉县| 龙江县| 商城县| 峨眉山市| 德兴市| 富民县| 渝北区| 炉霍县| 合江县| 南漳县| 长乐市| 华容县| 十堰市| 茂名市| 佛学| 志丹县| 织金县| 大悟县| 象山县| 五台县| 和顺县| 武乡县| 积石山| 山阳县| 广州市| 南靖县| 枞阳县| 安岳县| 含山县| 鄯善县| 察雅县| 合山市| 南康市| 镇康县|