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 專利交易 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
最新專利技術(shù)
  • 本申請(qǐng)是關(guān)于一種歌曲封面展示方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品，涉及用戶界面設(shè)計(jì)技術(shù)領(lǐng)域。該方法包括：響應(yīng)于應(yīng)用程序的音樂播放界面中播放的歌曲切換到目標(biāo)歌曲，在應(yīng)用程序的本地?cái)?shù)據(jù)庫中查詢目標(biāo)歌曲的第一封面圖像；在查詢到第一封面圖像的情況下...
  • 一種運(yùn)行車輛熱力圖生成方法、裝置、設(shè)備及介質(zhì)，屬于汽車技術(shù)領(lǐng)域。其中，方法包括：確定滿足熱力圖查詢條件的目標(biāo)車輛；獲取目標(biāo)車輛的車輛信號(hào)數(shù)據(jù)，車輛信號(hào)數(shù)據(jù)中包括與車輛實(shí)時(shí)位置相關(guān)聯(lián)的目標(biāo)道路切片的標(biāo)簽；從各目標(biāo)車輛的車輛信號(hào)數(shù)據(jù)中確定目標(biāo)道...
  • 本發(fā)明實(shí)施例提供一種金融服務(wù)的客戶畫像分析方法及系統(tǒng)，屬于用戶畫像技術(shù)領(lǐng)域。所述方法包括：響應(yīng)于目標(biāo)客戶的授權(quán)信息，采集目標(biāo)客戶的業(yè)務(wù)相關(guān)信息；對(duì)所述業(yè)務(wù)相關(guān)信息執(zhí)行預(yù)處理，并基于預(yù)處理后的業(yè)務(wù)相關(guān)信息構(gòu)建對(duì)應(yīng)目標(biāo)客戶的客戶畫像；基于所述客...
  • 本發(fā)明公開了一種基于擴(kuò)散模型和自注意力機(jī)制的序列推薦方法，主要步驟包括：首先對(duì)于輸入的用戶歷史行為序列、候選推薦物品通過嵌入層獲得嵌入表示，之后進(jìn)行正向加噪，在此過程中訓(xùn)練出基于注意力機(jī)制的信息提取網(wǎng)絡(luò)。然后從高斯分布中隨機(jī)采樣噪聲樣本，再...
  • 本發(fā)明公開了一種應(yīng)用于反饋平臺(tái)的數(shù)據(jù)處理方法，包括：對(duì)用戶反饋的問題信息進(jìn)行關(guān)鍵內(nèi)容提取，并對(duì)提取的信息進(jìn)行加權(quán)算法處理，歸類出共性問題；對(duì)觀察團(tuán)的成員定義標(biāo)簽；將具有共性的問題與觀察團(tuán)的成員的標(biāo)簽進(jìn)行智能匹配，并由匹配的觀察團(tuán)成員進(jìn)行問題...
  • 本公開的實(shí)施例公開了目標(biāo)場(chǎng)景下的物品推薦方法和裝置。該方法的一具體實(shí)施方式包括：對(duì)目標(biāo)場(chǎng)景下的物品圖像和物品文本進(jìn)行編碼，生成目標(biāo)場(chǎng)景下的待推薦物品特征；對(duì)目標(biāo)場(chǎng)景下的用戶歷史數(shù)據(jù)進(jìn)行編碼，生成目標(biāo)場(chǎng)景下的用戶個(gè)人屬性特征；將目標(biāo)場(chǎng)景下的待...
  • 本申請(qǐng)實(shí)施例公開了一種服務(wù)推薦方法、裝置、終端、存儲(chǔ)介質(zhì)及產(chǎn)品，屬于人工智能技術(shù)領(lǐng)域。包括：確定推薦需求信息的第一服務(wù)列表，第一服務(wù)列表包括滿足推薦需求的多個(gè)候選服務(wù)，推薦需求信息用于表示終端當(dāng)前推薦服務(wù)的需求；基于推薦需求信息，確定多個(gè)目...
  • 本申請(qǐng)?zhí)峁┝艘环N推薦信息的處理方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品；方法包括：獲取多個(gè)候選推薦序列和對(duì)象特征、內(nèi)容信息特征以及推薦信息特征；針對(duì)每個(gè)候選推薦序列執(zhí)行以下處理：對(duì)候選推薦序列進(jìn)行特征提取，得到候選推薦序列的第一序列特征，并將對(duì)...
  • 本公開的實(shí)施例公開了體檢檢查項(xiàng)目推薦方法、裝置及電子設(shè)備。該方法的一具體實(shí)施方式包括：獲取目標(biāo)體檢對(duì)象對(duì)應(yīng)的第一待檢查項(xiàng)目隊(duì)列、導(dǎo)檢規(guī)則信息和第一待檢查項(xiàng)目隊(duì)列對(duì)應(yīng)的當(dāng)前項(xiàng)目排隊(duì)信息集；確定第一待檢查項(xiàng)目隊(duì)列中的每個(gè)第一待檢查項(xiàng)目在導(dǎo)檢規(guī)則...
  • 本發(fā)明屬于數(shù)據(jù)分析技術(shù)領(lǐng)域，具體公開了一種基于改進(jìn)信息熵的綜合評(píng)價(jià)方法及系統(tǒng)，包括以下步驟：收集每個(gè)評(píng)價(jià)對(duì)象的指標(biāo)的原始數(shù)據(jù)，并對(duì)這些原始數(shù)據(jù)進(jìn)行歸一化處理，得到指標(biāo)的歸一化矩陣；根據(jù)得到的歸一化矩陣，計(jì)算各指標(biāo)的信息熵，并引入指標(biāo)間的相關(guān)...
  • 本發(fā)明公開了一種大數(shù)據(jù)框架下基于重要樣本篩選的動(dòng)力電池異常檢測(cè)方法：步驟1，對(duì)車輛運(yùn)行歷史數(shù)據(jù)進(jìn)行預(yù)處理；步驟2，根據(jù)預(yù)處理后的車輛運(yùn)行數(shù)據(jù)得到訓(xùn)練集和測(cè)試集；確定神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)并將訓(xùn)練集輸入神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行預(yù)訓(xùn)練；步驟3，計(jì)算訓(xùn)練集中...
  • 本發(fā)明公開了一種奶牛血液代謝組缺失值的填充方法及系統(tǒng)，屬于代謝指標(biāo)檢測(cè)和數(shù)據(jù)分析技術(shù)領(lǐng)域。所述的奶牛血液代謝組缺失值的填充方法，包括以下步驟：采集奶牛的全血血樣，獲取血漿代謝組和血清代謝組數(shù)據(jù)；對(duì)血漿代謝組、血清代謝組數(shù)據(jù)以及兩組代謝組數(shù)據(jù)...
  • 本發(fā)明公開了一種變電設(shè)備電力數(shù)據(jù)故障缺陷采集分析系統(tǒng)，涉及電力故障缺陷分析技術(shù)領(lǐng)域。然而目前分析復(fù)合故障的特征和規(guī)律模塊層面的故障定位往往不夠迅速和準(zhǔn)確。不同模塊的故障預(yù)警機(jī)制可能存在差異，且模塊之間的協(xié)同診斷能力較弱，本發(fā)明通過計(jì)算嫌疑單...
  • 本發(fā)明提出了抗強(qiáng)噪聲影響的配電網(wǎng)寬頻干擾溯源方法及系統(tǒng)，包括：獲取電壓關(guān)聯(lián)矩陣、待估計(jì)量向量及三相諧波電流向量；利用電壓關(guān)聯(lián)矩陣、待估計(jì)量向量及三相諧波電流向量建立參數(shù)估計(jì)方程，對(duì)參數(shù)估計(jì)方程進(jìn)行處理建立變權(quán)重最小二乘表達(dá)式；針對(duì)變權(quán)重最小...
  • 本發(fā)明提供一種軋機(jī)壽命的預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)，其中，方法包括：接收至少一個(gè)傳感器發(fā)送的第一軋機(jī)的第一運(yùn)行數(shù)據(jù)；對(duì)所述第一運(yùn)行數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)運(yùn)行數(shù)據(jù)，所述數(shù)據(jù)預(yù)處理包括如下至少一項(xiàng)：數(shù)據(jù)清洗處理、數(shù)據(jù)歸一化處理和特征提取處...
  • 本發(fā)明提供一種結(jié)合生成對(duì)抗網(wǎng)絡(luò)和圖神經(jīng)網(wǎng)絡(luò)的線損分析方法、系統(tǒng)及裝置，方法包括：收集并處理電網(wǎng)節(jié)點(diǎn)特征和邊特征數(shù)據(jù)，構(gòu)建線損標(biāo)簽以作為WGAN生成目標(biāo)和GNN的監(jiān)督學(xué)習(xí)基礎(chǔ)；設(shè)計(jì)生成對(duì)抗網(wǎng)絡(luò)WGAN，其中生成器網(wǎng)絡(luò)通過隨機(jī)噪聲輸入生成節(jié)點(diǎn)特...
  • 本發(fā)明公開了一種基于多源遙感數(shù)據(jù)融合的降水估算方法，包括以下步驟：S1.獲取多源遙感數(shù)據(jù)，并對(duì)獲取的數(shù)據(jù)進(jìn)行預(yù)處理；S2.基于預(yù)處理后的數(shù)據(jù)進(jìn)行特征提取，并構(gòu)建降維特征向量；S3.將降維特征向量的矩陣作為數(shù)據(jù)輸入人工神經(jīng)網(wǎng)絡(luò)模型，設(shè)計(jì)損失函...
  • 本發(fā)明公開一種融合物理約束的多尺度極端大風(fēng)事件AI識(shí)別方法、裝置及介質(zhì)，涉及大氣科學(xué)與人工智能技術(shù)領(lǐng)域。該方法通過整合多尺度氣象數(shù)據(jù)，構(gòu)建了一種新穎的多尺度極端大風(fēng)事件識(shí)別模型。該模型通過多尺度特征提取、特征融合共享以及多任務(wù)輸出三個(gè)模塊，...
  • 本申請(qǐng)公開了一種多模態(tài)大模型訓(xùn)練方法，應(yīng)用于多模態(tài)大模型的訓(xùn)練，所述多模態(tài)大模型的模型架構(gòu)中，掛載有多個(gè)單模態(tài)，通過獲取訓(xùn)練樣本，并確定所述訓(xùn)練樣本的數(shù)據(jù)類型；自所述多模態(tài)大模型的模型架構(gòu)中確定與所述數(shù)據(jù)類型對(duì)應(yīng)的單模態(tài)，并以所述單模態(tài)對(duì)所...
  • 本發(fā)明提供一種基于預(yù)訓(xùn)練大語言模型的航跡預(yù)測(cè)方法與裝置，涉及人工智能領(lǐng)域。該方法包括：獲取目標(biāo)飛機(jī)的歷史航跡數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理，得到航跡序列；構(gòu)建提示詞，并將提示詞輸入到預(yù)訓(xùn)練大語言模型中，得到詞嵌入表示；提示詞包含航跡預(yù)測(cè)任務(wù)描述與航跡...
首頁 上一頁 66 下一頁
技術(shù)分類
主站蜘蛛池模板： 日喀则市| 建湖县| 嘉祥县| 仁寿县| 承德县| 广东省| 西吉县| 龙海市| 景德镇市| 麦盖提县| 教育| 买车| 宕昌县| 长兴县| 资中县| 六枝特区| 都兰县| 沁水县| 容城县| 阳曲县| 汽车| 墨江| 河北区| 应城市| 福州市| 亚东县| 攀枝花市| 儋州市| 胶州市| 鄂托克旗| 高清| 华容县| 宁海县| 南和县| 秭归县| 灌云县| 平陆县| 道孚县| 巫山县| 南丰县| 九龙县|