|
搜索
搜 索
高等教育领域数字化综合服务平台
一种 H.264/AVC 中 4x4 子宏块的并行帧内预测方法
本发明公开了一种 H.264/AVC 中 4x4 子宏块的并行帧内预测方 法，包括以下步骤：统一帧内预测公式、参考值数组、参考位置表和 并行帧内预测的具体执行步骤，统一帧内预测公式是根据 CUDA 和帧 内预测计算公式的特性改进而成的，通过将 9 种预测模式对应的预测 公式变换成一个计算公式，满足了 CUDA 多线程单指令多数据流的需 求，实现了帧内预测子宏块中细粒度并行，参考值数组及参考位置表 是为了配合统一帧内预
华中科技大学
2021-04-14
一种无监督的跨受试者适应方法，用以预测未被标记信号的目标受试者的运动意图
一种无监督的跨受试者适应方法，用以预测未被标记信号的目标受试者的运动意图，将受试者和研究人员从标记大量数据中解放出来。
准确预测人体运动意图有助于控制可穿戴机器人在不同地形上的运动，从而辅助人类平稳行走。传统的预测人类运动意图的方法需要收集和标记人体信号，并训练每个新受试者使用特定的分类器，这给受试者和研究人员都带来了繁重负担。
南方科技大学
2021-04-14
一种基于结构化高光谱系统的猕猴桃硬度预测的无损检测方法
本发明提供了一种能够无损预测猕猴桃货架期硬度的结构化高光谱检测系统及方法。通过计算机编程产生空间频率为60cycles/m的正弦条纹光，投影至被测物，利用高光谱相机拍摄‑2/3π、0和2/3π三个相位图片，再将相位图片解模为完整图片，并获取结构光光谱信息。选取在室温下贮藏不同时间的猕猴桃样品，采集结构化高光谱数据，并通过破坏性检验获取样本硬度的真实值。对结构光数据解模并预处理，提取样品结构光光谱信息，构建硬度预测模型。结果表明，结构化高光谱系统对猕猴桃硬度的最佳预测模型的R<subgt;c</subgt;<supgt;2</supgt;为0.8697，R<subgt;p</subgt;<supgt;2</supgt;为0.8204，显著高于普通高光谱技术。本发明用于预测果实硬度有较高的准确率，尤其针对储存过程中成熟迹象不明显的猕猴桃果实硬度的检测。
南京工业大学
2021-01-12
北京市科学技术委员会、中关村科技园区管理委员会关于印发 《北京市科学技术奖励办法实施细则》的通知
为做好本市科学技术奖励工作，进一步规范北京市科学技术奖（以下简称市科学技术奖）的提名、受理、评审、授予等各项活动，根据《北京市科学技术奖励办法》（以下简称《办法》），制定本细则。
北京市科学技术委员会、中关村科技园区管理委员会
2024-11-29
首个全国高校区域技术转移转化中心落地！一图解读——
9月14日，一项落实全国教育大会精神，剑指高校科技成果转化关键难题的重大举措落地——教育部、江苏省共建首个全国高校区域技术转移转化中心，拉开新时期推进高校科技成果转化的序幕。
中国教育报
2024-09-18
关于印发《江西省科学技术奖励办法实施细则》的通知
为了做好省科学技术奖励工作，进一步规范我省科学技术奖（以下称省科技奖）的提名、评审、授予等活动，保证省科技奖的授奖质量，根据《江西省科学技术奖励办法》（以下称奖励办法），制定本细则。
江西省科学技术厅
2024-11-19
全国高校区域技术转移转化中心建设工作会召开
12月26日，全国高校区域技术转移转化中心建设工作会在南京召开。教育部党组书记、部长怀进鹏，江苏省委副书记、省长许昆林出席会议并讲话。教育部党组成员、副部长吴岩主持会议。
微言教育
2024-12-27
焊接结构内外一体化智能检测装备与自主评估技术
焊接作为工程机械领域的关键技术，直接决定着国之重器的安全可靠性。目前，智能焊接与检测严重依赖国外进口设备，价格昂贵、售后服务难以保障。对于大型、复杂焊接结构，焊后焊缝质量智能检测在整条焊接产线上属于空白。本团队在国内首次开发了大型焊接结构内外一体化智能检测装备及软件，部分高端装备达到国际水平，建成了国内首条内外一体化焊接智能检测与评估生产线，在徐工挖掘机上获得应用，并在央视CCTV2制造中国节目中播出。
图片 内外一体化焊缝智能检测与评估生产线获央视CCTV2报道
吉林大学
2025-02-10
北京航天科恩实验室装备工程技术有限公司
北京航天科恩是一家实验室建设EPC总承包商，作为深耕实验室建设领域20年的行业先锋，我们始终以"科学设计·精准交付"为理念，为生物医药、环境监测、高校科研、医疗检测等领域的客户提供一站式实验室解决方案。我们的业务范围不限于实验室规划设计、实验室装修装饰、实验室改造翻新、实验室施工、实验室水电气/暖通系统设计、实验室废气废液处理、实验室家具定制安装销售、实验室相关配件供应等。
北京航天科恩实验室装备工程技术有限公司
2024-12-11
网络的结构可预测性与网络结构的最短压缩比特串长度呈线性关系
在本研究工作中，该团队利用信息论和统计物理两个领域中熵的相关理论，对网络结构预测极限进行了研究。直观地说，一个可以仅用几个词描述的网络结构意味着它很简单，其边也很容易预测。例如二维晶格或一维链状结构。相反，如果一个网络需要很长的语言才能描述清楚，那么它应该具有非常复杂的结构，其结构很难预测。在计算机领域，任何网络的结构都可以被编码成二进制字符串。这启发了团队探寻最短二进制编码字符串长度，也就是熵，和可预测性之间的关系。 通过研究，该团队发现来自不同领域，很多大小不一的网络，其结构的最短压缩长度和可预测性之间存在一个普遍的线性关系。基于香农信源编码定理，该团队在随机网络上证明了这种线性关系。 进一步，利用这一线性关系，该团队推导出网络结构预测算法的性能上界，揭示出包括机器学习在内的预测算法性能尚存在多大的提升空间。因此，该性能界可用于指导未来在线商业推荐系统、蛋白质相互作用探测等场景中的算法设计。另外，该理论的一个有趣的用途是，可以实现在无需任何预测算法的情况下，通过网络结构压缩数据大小来估计一个网络数据集的商业价值。
中山大学
2021-04-13