高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
一种通过连续流微反应装置光催化辅酶NADH再生的方法
本发明属于生物化工领域,具体涉及一种通过连续流微反应装置光催化辅酶NADH再生的方法。所述方法包括如下步骤:(1)将g‑C<subgt;3</subgt;N<subgt;4</subgt;‑SO光敏剂与电子供体,电子介体以及NAD<supgt;+</supgt;置于磷酸盐缓冲液中,在黑暗条件下均匀混合搅拌,得到光催化反应原液;(2)将步骤(1)所得光催化反应原液置于设有光照的微通道反应装置中进行光照处理,连续得到所述辅酶NADH。本发明采用g‑C<subgt;3</subgt;N<subgt;4</subgt;‑SO光敏剂,通过连续流微反应装置光催化辅酶NADH再生。所述光敏剂的合成步骤简单且成本低廉、反应条件温和、反应装置操作简单,显著提高辅酶NADH再生效率,在生物催化二氧化碳还原为高值化合物方面具有广阔的应用前景。
南京工业大学 2021-01-12
大空间建筑基于热源羽流的喷嘴送风气流组织设计方法
大空间建筑气流组织设计是决定室内热环境优劣的重要因素之一。常规方法不考虑室内热源羽流作用时射流偏离问题。研究团队通过理论研究与实验研究获得在热源羽流作用下的气流组织设计用系列轨迹方程,利用此轨迹方程可更准确地设计气流组织,以达到符合要求的室内热环境,研究团队提出了基于热源作用下的喷嘴送风气流组织设计方法。
上海理工大学 2021-01-12
YXPHM-TP310b-I三电平三相DC-AC变流模块
YXPHM系列模块是面向高校实验室、科研院所以及成品电力电子制造厂商的系列功率拓扑模块。具备稳定的可靠性和良好的扩展性,种类丰富,囊括了现今主流的电力电子拓扑结构。外壳采用透明的亚克力板材,美观实用,用户可以方便观察内部的硬件结构,简洁的输入输出设计,减去用户对模块中间环节的困扰,让用户更专注的投入到核心研发中。 YXPHM系列采用基于模型设计的理念,脱胎于研旭成熟产品光伏并网逆变器与风机变流器等成熟产品,又结合了研旭多年的模块化组件与开放式平台研发经验,对该拓扑结构与驱动电路、传感器电路、信号处理电路进一步集成,同时提供实际控制器接口、快速原型控制器结构与实际控制器模块,为用户提供性价比更好的模块化产品。
南京研旭电气科技有限公司 2022-07-22
一种通过scout ESI和CNN解码EEG运动想象四分类任务的新方法
导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法,以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后,使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%,分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%,采用十倍交叉验证进行验证。研究人员表示,他们的研究成果与最先进的MI分类方法的结果相比,总体分类增加了14.4%。研究者为验证方法的有效性,加入了4个新的受试者进行验证,发现总体平均准确率为92.5%。此外,全局分类器适应单一对象,整体平均准确率提高到94.54%。研究者表示,他们提出的结合scout ESI和CNN的方法,提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极),并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图,并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先,由于ERD在执行运动想象时在alpha和beta中不同,因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后,通过计算包含正问题和逆问题的源,将传感器空间的活动转化为源空间的活动。接下来,创建scout并提取特征。研究者在运动皮层中创建了10个scout,因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI),并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5,右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后,利用CNN对时频图进行分离并进行分类。实验在实验中,研究人员仅使用了随机选择的十个受试者的MI trail (S5,S6,S7,S8,S9,S10,S11,S12,S13,S14)。这里用于分析的数据集包含每个受试者84次试验,每一类包含21次试验。在记录64通道脑电图时,受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验:当目标出现在屏幕左侧时,受试者想象打开和合上相应的拳头,直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时,受试者想象打开和合上相应的拳头,直到目标消失。然后受试者放松。当目标出现在屏幕顶部时,受试者想象打开和合上双手的拳头,直到目标消失。然后受试者放松。当目标出现在屏幕底部时,目标会想象双脚张开和合拢,直到目标消失。然后受试者放松。为了统一数据维数,研究者选择了4s的数据,因为每次想象任务的执行时间都在4s左右。此外,脑电图任务是分开的,研究人员在实验中将左拳,右拳,双拳和双脚MI任务分别称为T1,T2,T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5,如图2所示。10个scout每一个都被扩展到40个顶点,每个顶点只有一个源。L1区域对应40个信号,其他scout也一样。在计算了来源后,研究者在运动皮层中创建了十个scout,如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项,每个受试者每次都要进行7次测试(#1,#2,#3,#4,#5,#6,#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后,研究人员在运动皮层中创建了包含40个源的10个scout,并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中,研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构,该网络模型由一个六层卷积网络组成,其中两个最大池层和三个全连接层,如图5所示。图5对于Physionet数据库,研究者首先采用Deep ConvNet架构,包括四个卷积层、四个最大池层和一个全连接层。在实验中,研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务,R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息,清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然,只有部分时频映射是红色的,表明每个任务只对特定的频率和时间敏感。由于图的数量比较大,研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本,并将一些特征图可视化,作为MI任务的学习表示,如图7所示。图7为了获得有效的结果,将数据集分为90%作为训练集,其余10%作为测试集。首先,将十个受试者的数据集(总共19320个样本)分为17388个样本以训练所提出的CNN模型,以及1932个样本以验证模型的有效性。在实验中,研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本),其中24343个样本是训练集,其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试,以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高,达到94.5%,而L2的全局平均精度最低,为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上,标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说,R5表现的要比其他的好,而L2在迭代2000中表现最差。标准差较小,说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵,说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验,确定了scoutR5的性能,结果如图10(a)和(b)所示。在10次试验中,scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说,四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明,该方法对scout R5的分类效果较好。从以上结果可以清楚地看出,R5 scout在四种MI任务的分类中扮演着最重要的角色。因此,选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现,该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明,他们的研究成果与最先进的MI分类方法的结果相比,总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示,他们提出的结合scout ESI和CNN的方法,提高了脑电解码四类MI任务的BCI性能。论文信息:A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN
东北电力大学 2021-04-10
教育部关于印发《高等学校实验室安全分级分类管理办法(试行)》的通知
本办法中的实验室,是指隶属于高校从事教学、科研等实验、实训活动的场所及其所属设施,以房间为管理单元。中试性质和工业化放大性质的试验场所及其所属设施不在本办法管理范围内,高校如涉及相关场所应根据相关法律法规及标准规范制定相关管理办法。
教育部 2024-04-22
无线传感器网络多路径安全传输方法
本发明公开了一种无线传感器网络多路径安全传输方法,包括如下步骤:1已部署的无线传感器网络里,当源节点需要向目的节点传输数据时,发送路由请求消息;2中间节点在进行路由请求消息广播时,将自身的链路信息添加至路由请求消息中;3基站获得多条路由请求消息,从中得到网络拓扑参数,根据窃听能力计算传输数据被窃听的概率;4根据使用者对传输安全性的要求Sreq确定此次传输需要的子数据包秩K,建立路由拓扑,返回路由应答消息至源节点;5源节点接收到路由应答消息后,将原数据分为以K为秩的子数据包,通过K条独立路径进行传输。该方法可以有效降低无线传感器网络被窃听的概率。
东南大学 2021-04-11
神经网络技术在复杂腐蚀体系中的应用
1997年欧盟轮执主席国葡萄牙提出开展《腐蚀失效分析方法在工业装置中的应用》项目的构想,由葡萄牙、中国、巴西、荷兰和澳门五国及地区联合参与项目提案,立项为“尤里卡计划”(EU1746),之后合作建立腐蚀失效分析案例的超文本电子图文集,采用专家系统和神经网络技术对腐蚀失效分析案例进行处理,开发一种智能化的计算机支持工具,对运转工厂进行安全分析,对失效和损伤的部件和设备进行失效分析。后又针对石化装置的腐蚀特点开发了此项目。   ① 第一次大规模地收集石油化工企业的腐蚀失效分析案例,输入超文本电子图文集Atlas中。建立了比较系统的案例数据库。   ② 编制了专家系统案例分析框图,对石油化工几种典型的腐蚀失效开裂模式的预测进行了框图分析,提供了一种很有价值的分析方法。 ③ 采用神经网络技术对收集到的案例进行分析,主要分析构件的腐蚀环境、材料状态、运行环境与腐蚀状态之间存在的因果关系。可以进行腐蚀趋势预测,并可应用于设备寿命评估。 大规模地收集石油化工企业的腐蚀失效分析案例,采用专家系统和神经网络技术进行案例分析,在此基础上进行腐蚀趋势预测和设备寿命评估。 运用了先进的计算机处理手段如:超文本电子图文集、专家系统和神经网络技术等,软件可编译成可执行文件,独立运行,用户可以实现查询、检索、打印、智能判断等功能。 软件已应用于齐鲁石油化工公司胜利炼油厂,二制氢装置水分离器V110入口法兰裂缝分析,重整装置炉501进出口管腐蚀分析、第二催化装置再生及循环斜管下料口内插板腐蚀减薄、第一常减压装置减顶换热器泄漏原因分析等工作中,先后应用了该软件,取得了满意的效果,及时地解决了生产装置的腐蚀问题。
北京科技大学 2021-04-11
基于无线网络的AGV全智能物流系统
基于无线网络的AGV全智能物流系统是通过AGV的组网、物流管理及多信息的融合来达 到行驶路线易于更改、多AGV多路线进行协作的功能,较之以往的物流系统是通过相应的传 感器识别标志物,从而获知行驶的路线,更加自动化与智能化。本系统主要运用的技术有多信 息融合技术、视觉导引技术、无线通讯技术、最短路径规划技术等。 该系统具有的创新性如下: (1) 多信息融合:将非接触式IC卡应用于AGV系统,可以提供必要的导航信息,对视觉信 息的不足进行补充。其作为一种可读写的数字化传感器,可以对小车前方的轨迹进行预报,增 强小车运动的智能性; (2) 预测学习导航模型:本项目中视觉导航所采用的是根据AGV的位置及摄像机视野建立 预测模型,在行驶的情况下以模糊控制的方法来对AGV的运行状态进行控制,并在运行过程 中不断学习,不断地修正模型中的参数,使其更精确地导航。 (3) 多路况的智能识别:可以对特定的路况进行识别,包括弯道,十字,分叉等;可以支 持虚线和实线两种识别方式。 (4) 物流管理调度:上位服务器可以实时地对AGV进行监视和控制,如果AGVS根据某种 需要,要求改变进度表,则可以很方便地重新安排小车路线。 (5) 网络无缝连接优化:本项目中基于传统的无缝链接技术之上,提出一种优化模型可以 改善AGV在网络间隔区域的通信问题。 基于无线网络的AGV全智能物流系统中的AGV额定负载能力为3~4000kg、最大速度:直 线36m/min,转弯25m/min、工作速度:直线30m/min,转弯20m/min、其自动导航精度达到 ±10mm,停车精度达到±5mm。因此本物流系统能够很好的满足日常仓储物流、流水线物料 搬运的要求,且精确性与实用性更高。
华东理工大学 2021-04-11
动态交互网络网构软件主体系统信任协商构建
软件主体根据自己的信任信息建立信任关系,避免了使用证书交换导致信任协商变得复杂繁琐;不需要合作的主体每次交互都重新建立信任关系。
东南大学 2021-04-10
一种高速网络数据包内容分析装置
本发明公开了一种高速网络数据包内容分析装置,包括:网卡, 用于获取高速网络数据包;FPGA,用于过滤掉不属于需要检测的应用 层协议类型的网络数据包,然后将过滤得到的网络数据包分流到各众 核处理器中;至少一个的众核处理器,根据核分配策略对其包含的多 核进行任务分工,用于对分流得到的网络数据包并行执行协议还原、 数据包内容提取以及数据包内容分析融合任务;主控板,用于对 FPGA 和众核处理器进行配置。本发明只需获取原始的网络数据包,就可利 用众核处理器的并行计算能力,直接进行协议还原和敏感信息的分析 检测,与传统方法相比,计算能力大幅提升,实时性强,检测效率高。
华中科技大学 2021-04-11
首页 上一页 1 2
  • ...
  • 53 54 55
  • ...
  • 78 79 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1