|
搜索
搜 索
高等教育领域数字化综合服务平台
腹板摩擦型形状记忆合金杆自复位钢框架梁－边柱节点
本发明公开了一种腹板摩擦型形状记忆合金杆自复位钢框架梁?边柱节点，包括钢柱、位于钢柱一侧的钢梁、横穿过钢柱的形状记忆合金杆、位于钢梁翼缘内侧的Ｌ型支架、位于钢梁腹板中间位置的摩擦耗能器；摩擦耗能器包括连接钢柱翼缘和钢梁腹板的槽钢、填充于槽钢和钢梁腹板之间的耗能摩擦片、以及穿过钢梁腹板并将槽钢、耗能摩擦片和钢梁腹板连接在一起的高强螺栓。本发明可以提高节点处楼板布置的便利性，加强钢梁翼缘抵抗局部变形能力的同时，增强形状记忆合金杆与钢梁端的锚固作用；有效提高节点的自复位性能和滞回耗能能力的同时，提高构件的可更换性。
东南大学
2021-04-11
基于形状记忆合金的高性能新型医疗器械及其关键技术
与医用不锈钢、普通钛合金相比，形状记忆合金医疗器械具有如下优点：（1）具有形状记忆效应和超弹性，可实现智能安装；（2）低弹性模量，降低骨内固定器应力屏蔽效应；（3）常恢复应力，稳定脊柱和牙齿矫形力；（4）大弹性回复，提高血管与非血管支架压缩比；（5）失稳刚度高，提高支架冲击载荷下的稳定性。本课题组前期从1991年开始研制镍钛形状记忆合金下尿路扩展支架、医用腔道内支架等医疗器械，并已部分投入了临床使用。近期，在国家自然科学基金、江苏省自然科学基金等资助下开发了针对复杂或多孔结构记忆合金的表面改性新技术，通过改变表面结构，获得了表面贫Ni甚至无Ni、且具有良好组织相容性的记忆合金骨科植入材料以及良好血液相容性的记忆合金心血管植入材料；通过改进自蔓延高温合成技术，获得了具有高生物力学相容性的多孔记忆合金受载硬组织替代材料。在此基础上研制的高性能新型医疗器械在骨科内固定、消化道狭窄与心血管介入治疗等医学领域有广泛应用前景。目前已经申请并获得6项发明专利与4项实用新型。
东南大学
2021-04-11
一种基于形状记忆合金的螺栓连接结构的防松方法
本成果来自有重大应用前景的横向项目。研究团队在多年螺栓连接结构松动机理研究的基础上，通过改变螺母的几何结构，并利用形状记忆合金的超弹性和记忆性，改变螺纹的受力情况，以此达到防松的目的，从而解决工程实际。此外，理论计算结果表明，常规螺栓连接结构的前三圈工作螺纹承载总轴向力的70%以上，使用该螺栓连接结构，能将轴向力较为均匀的分布在各工作螺纹上，有效提高螺栓连接结构的疲劳寿命。该防松方法拟申报国家发明专利，并逐渐推广使用。
西南交通大学
2016-06-27
一种记忆电机磁化状态选择与弱磁控制协同控制方法
本发明公开了一种定子永磁型记忆电机磁化状态选择与弱磁控制协同控制方法，通过在不同永磁磁化状态下结合弱磁控制方法拓展定子永磁型记忆电机的恒功率工作范围。该方法在不同的转速区间采取不同的电流分配策略，优化了电机的控制性能。与采用ｉｄ＝０的分段永磁磁通控制方法相比，该方法提高了电机在不同转速区的转矩输出能力。同时，在恒定的负载转矩下，该方法提高了定子永磁型记忆电机在不同转速区间的效率。
东南大学
2021-04-11
基于集成学习的网络流量预测
本平台设计一套集成学习系统用来精确预测未来时间段的流量，本系统使用随机森林，SVR，三指数 平滑、GBDT，BPNN等传统算法和机器学习算法作为单模型，并通过集成学习的方式提高预测准确率。
中山大学
2021-04-10
基于机器学习的个人信用评估
本平台基于用户报刊订阅历史数据及用户个人信息，结合矩阵分解，K-Means等机器学习技术，构建了用户报刊个性化推荐系统，在提升推荐准确性的同时较好地解决了冷启动问题。
中山大学
2021-04-10
基于深度学习的智能计算MR成像
一、项目简介 智能计算MR成像主要是基于脉冲序列设计、成像、重建、处理与分析的全链路优化思想，利用人工智能领域的深度学习与大数据方法，研究新体制智能计算成像理论、方法与应用，突破现有系统将成像与分析分治难以兼顾的不足，从而为医学临床和科研提供新的、更快的成像手段、更好的成像质量以及更符合实际需求的成像模式。 二、前期研究基础 无 三、应用技术成果1）基于深度学习的信息保持压缩感知重建（左图为填零重建、右图为所提方法）
厦门大学
2021-04-11
联邦学习投毒攻击防御与追溯系统
当前，保护数据的隐私和安全已经成为世界性的热点，各国都在加强对数据安全和隐私的保护。近年来，国家相继出台个人信息保护的标准和政策，旨在加强隐私保护。为了在符合相关法规的前提下使用数据，部分研究者尝试令各方数据保留在本地的同时训练全局模型，如 Google 提出的联邦学习。作为一种加密的分布式机器学习技术 , 联邦学习能够让参与各方在不披露底层数据和底层数据加密 ( 混淆 ) 形态的前提下，仍然能利用其余几方参与者提供的信息，更好地训练联合模型，提升 AI 模型效果。
然而，将数据留在本地的方式却也引发其他问题，如针对联邦模型的投毒攻击。投毒攻击通过攻击训练数据集或算法来操纵机器学习模型的预测，使分类器识别特定样本的分类边界发生变化。而联邦学习场景下的投毒攻击通常拥有更强的隐蔽性和破坏性。
因此，我们将传统投毒攻击防御中对原始数据的清洗过程转变至对上传的模型权重参数的预处理，在参数服务器部署防御框架来防御投毒攻击。我们设计了一种新颖的防御与追溯框架，该框架主要由模型聚类、初步防御和细化防御三个模块构成，构建多层纵深防御体系，保护联邦模型安全，并在源头上主动追溯攻击者。我们设计面向神经网络的无监督层级聚类算法，消除了神经网络中隐含元素置换不变性的影响。根据类内代表模型在聚合过程中的贡献度确定其可疑度，并以动量思想将可疑度绑定每个客户端，并结合历史用户行为对攻击者进行定位。我们的防御框架可以自主评估模型贡献度，自动确定可疑度动态划分阈值，并在图像、文本等多源数据集上达到了 100% 追溯率，实现了零漏检，零误检。
目前，成果性能已经过多方测试和验证，代码已部署在华为自研深度学习框架MindSpore 中，进一步为广大开发者所用。
西安电子科技大学
2023-01-18
基于深度学习的虹膜识别系统
膜识别技术的应用
1.基于深度学习的虹膜识别算法性能达到国际先进水平；
2. 虹膜图像采集采用全自动自适应技术，可以自动寻找虹膜，自动聚焦，在中远距离范围实现了高用户友好性。 系统的性能远高于市场同类产品；
3. 整套系统成本很低，远低于市场同类产品，非常适合大规模应用 。
中国科学技术大学
2021-04-14
低通信开销的分布式学习
目前，训练机器学习模型依赖于海量的数据，当以集中方式训练时，会带来很大的计算成本。因此，现在普遍的共识是，未来的机器学习应该以分布式方式实施。通常，分布式学习是以server-worker模式中进行的，其中server利用从workers收集的信息更新学习参数，然后将这些参数广播给workers。 但是，随着worker数量的增加，通信开销也会大幅
南方科技大学
2021-04-14